答案已發布23 來源
OpenAI LifeVal 得 80.6%：AI 幫手處理日常大小事，實際有幾可靠？
OpenAI 表示，GPT 6 Astra 在 LifeVal 的無加權平均獎勵分數為 80.6%，高於 GPT 5.2 的 49.3%；這是基準測試分數，並非實際辦妥差事的比率。[1][5] LifeVal 涵蓋照顧、健康、教育、家務管理、個人理財、購物及政府服務等範疇，任務設計參考時間運用研究及一項有 3,995 名受訪者的調查。[2][3][21] 測試結果由 OpenAI 公布，而 LifeVal 任務集未有公開，外界因此難以重做測試或公平比較其他 AI 模型。[1][2]
發布者使用 GPT-6 Luna 編輯圖片由 GPT Image 2 生成
研究答案
重點
- OpenAI 表示，GPT 6 Astra 在 LifeVal 的無加權平均獎勵分數為 80.6%，高於 GPT 5.2 的 49.3%；這是基準測試分數，並非實際辦妥差事的比率。[1][5]
- LifeVal 涵蓋照顧、健康、教育、家務管理、個人理財、購物及政府服務等範疇，任務設計參考時間運用研究及一項有 3,995 名受訪者的調查。[2][3][21]
- 測試結果由 OpenAI 公布，而 LifeVal 任務集未有公開，外界因此難以重做測試或公平比較其他 AI 模型。[1][2]
AI 提示
openai.comCreate a landscape editorial hero image for this Studio Global article: What is OpenAI’s LifeVal benchmark, published on November 2, 2026, how does it support the company’s year-long effort to turn ChatGPT into a. Article summary: LifeVal is OpenAI’s evaluation of how well AI helps people complete everyday responsibilities, published on November 2, 2026—not merely how well it answers questions.[1][2] OpenAI says it used the evaluation internally o. Topic tags: general, general web, user generated. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, watermarks, charts with fa
OpenAI 於 2026 年 11 月 2 日公布 LifeVal，評估 AI 可唔可以幫人處理日常責任，而唔只係答得一口流利。3 公司表示，過去一年一直用 LifeVal 追蹤及改善模型在日常任務上的表現，尤其是人們希望 AI 或個人助理幫手處理的工作。
3
最受注目的數字，是 OpenAI 報告 GPT-6 Astra 在 LifeVal 的無加權平均獎勵分數為 80.6%，比 GPT-5.2 的 49.3% 高。1
5 不過，呢個唔代表 Astra 可以替任何人成功完成 80.6% 的生活雜務。它是評估中的得分，現實任務仍會受個人情況、工作要求等因素影響。
20
22
LifeVal 測試哪些生活任務？
LifeVal 涵蓋照顧、健康、教育、家務管理、個人理財、購物及政府服務等範疇。21 報道提及的例子包括尋找托兒服務、搬屋後比較幼稚園、規劃餐單、管理家庭預算、按預算買餸，以及處理行政文件。
1
20
21
重點唔止是 AI 能否講出聽落合理的答案，而是能否在有實際限制的情況下，幫人向目標邁進。這類測試亦反映業界嘗試打造能處理多步驟事情的個人助理。不過，公布一項評估，並不等於推出新的助理功能；亦不代表所有測試任務都已能在真實用戶帳戶中完成。3
20
任務設計參考時間運用研究
OpenAI 表示，設計任務時參考了兩項研究：美國時間運用調查（American Time Use Survey）及跨國時間運用研究（Multinational Time Use Study）。公司亦表示，透過調查找出人們最希望 AI 和個人助理幫忙的範疇；相關報道指調查有 3,995 名受訪者。2
3
部分二手報道另提到，約有 100 人提供較詳細的任務內容。24 不過，現有資料未能清楚說明這些參與者的專業或個人經驗，具體如何影響評分準則。報道形容 LifeVal 以評分規準評估表現，但本文參考的資料未有提供完整任務集及評分細節。
1
22
GPT-6 Astra 得分最高，但要先看懂個分
報道列出的 OpenAI 模型分數顯示，GPT-5.2 到 GPT-6 Astra 之間整體差距較大，而後續型號之間的增幅較細。6
18
| 模型 | 報道所列 LifeVal 分數 |
|---|---|
| GPT-5.2 | 49.3% |
| GPT-5.4 | 73.0% |
| GPT-5.5 | 77.4% |
| GPT-5.6 | 80.0% |
| GPT-6 Astra | 80.6% |
以上數字是平均獎勵分數，唔係模型完美完成任務的百分比。按報道數字計，GPT-6 Astra 比 GPT-5.2 高 31.3 個百分點；由 GPT-5.4 到 Astra，則高 7.6 個百分點。5
6
18
部分報道將 Astra 的成績約為 80%，亦有報道列出較精確的 80.6% 無加權平均獎勵分數。1
5
24 可以理解為一個概括數字和較精確的報告數值，唔係兩個不同的現實成功率。
個別任務高分，不等於人人用都一樣
報道列出幾項 LifeVal 任務例子，包括搬屋後整理幼稚園名單、協調防洪準備義工、為新確診糖尿病的家長規劃膳食、按預算訂購清真食品，以及預約汽車檢驗。20
26
| 任務例子 | 報道所列分數 |
|---|---|
| 搬屋後比較幼稚園 | 93.1% |
| 組織防洪準備義工 | 98.0% |
| 為新確診糖尿病的家長規劃膳食 | 90.4% |
| 按預算訂購清真食品 | 100% |
| 預約汽車檢驗 | 100% |
清真食品和汽車檢驗的分數，來自二手報道對部分測試結果的整理。26
27 這些都是評估中的個別例子，唔能夠證明一般用戶會得到同樣結果，更不代表高分模型一定能可靠處理所有相似情況。
20
LifeVal 可以說明甚麼，不能說明甚麼？
LifeVal 為追蹤 AI 在日常助理任務上的進展提供一種方法；這類能力未必能由傳統知識或推理測試直接反映。OpenAI 表示，過去一年曾在內部使用 LifeVal 推動模型改善。3
主要限制在於獨立核實。現時報道的成績由 OpenAI 評估自家模型，而報道亦指任務集未有公開。外界缺少測試任務，也沒有其他實驗室的可比結果，因此難以重做評分，或判斷 LifeVal 如何比較不同公司的模型。1
2
LifeVal 的重點亦有別於 OpenAI 早前推出的 GDPVal。GDPVal 評估的是橫跨 44 種職業、具有經濟價值的現實工作任務。35 簡單講，LifeVal 關心個人日常責任，GDPVal 則著眼工作任務；現有資料未有交代兩項評估之間更詳細的關係。
最清楚的訊息是，OpenAI 正嘗試用更貼近日常生活的標準衡量 AI：它能否幫人處理實際事情。公司公布的數字顯示，自家模型在 LifeVal 上有進步，但單靠這些分數，仍未能證明 AI 在基準測試以外，能有幾大機會替人妥善辦好日常瑣事。
Studio Global AI
繼續你的研究
此頁麵包含一個有來源支援的答案，您可以在 Studio Global 內繼續。
人們還問
「OpenAI LifeVal 得 80.6%：AI 幫手處理日常大小事，實際有幾可靠？」的簡短答案是什麼？
OpenAI 表示，GPT 6 Astra 在 LifeVal 的無加權平均獎勵分數為 80.6%，高於 GPT 5.2 的 49.3%；這是基準測試分數，並非實際辦妥差事的比率。[1][5]
首先要驗證的關鍵點是什麼？
OpenAI 表示，GPT 6 Astra 在 LifeVal 的無加權平均獎勵分數為 80.6%，高於 GPT 5.2 的 49.3%；這是基準測試分數，並非實際辦妥差事的比率。[1][5] LifeVal 涵蓋照顧、健康、教育、家務管理、個人理財、購物及政府服務等範疇，任務設計參考時間運用研究及一項有 3,995 名受訪者的調查。[2][3][21]
接下來在實務上我該做什麼？
測試結果由 OpenAI 公布，而 LifeVal 任務集未有公開，外界因此難以重做測試或公平比較其他 AI 模型。[1][2]
來源
openai.comLifeVal
cellcog.aiOpenAI LifeVal: GPT-6 Astra Hits 80.6% on Everyday Tasks
digg.comOpenAI introduces LifeVal to measure AI performance on everyday tasks
nageshpolu.comOpenAI LifeVal Tests Everyday AI Agents: Why High Scores Are Not Finished Tasks
apidog.comWhat Is OpenAI LifeVal? The Everyday-Task Benchmark