OpenAI 於 2026 年 11 月 2 日公布 LifeVal，想衡量的不是 AI 能不能答出一個聽起來合理的答案，而是能否協助人們處理日常生活中的實際任務。OpenAI 表示，過去一年已運用這套評測追蹤並改善模型在日常任務上的表現。3

最受矚目的數字是 GPT-6 Astra 的 80.6% 無加權平均獎勵，高於 GPT-5.2 的 49.3%。15 不過，這不代表 Astra 能替每位使用者辦妥 80.6% 的差事。LifeVal 的分數反映模型在一套評測中的表現；現實任務則還牽涉個人需求、可用資訊和執行細節。2022

LifeVal 測什麼？

LifeVal 聚焦人們可能希望個人助理協助處理的事情，範圍包括照護、健康、教育、家務行政、個人財務、購物與政府服務。21 評測情境包括尋找托育服務、搬家後比較幼兒園、規劃餐點、管理家庭預算、依預算採買，以及處理行政文件等。12021

重點在於能否在現實限制下推進任務，而不只是產出聽起來流暢的建議。這讓 LifeVal 成為觀察 AI 個人助理能否處理多步驟生活工作的其中一種方式。但公布評測不等於推出新的助理功能，也不代表每項測試任務都能在一般使用者的實際帳戶中完成。320

任務如何選出？

OpenAI 表示，評測設計參考兩項研究：美國的 American Time Use Survey，以及跨國的 Multinational Time Use Study；公司也提到透過調查了解人們最希望 AI 與個人助理在哪些事情上提供協助。3 媒體報導指出，該調查共有 3,995 名受訪者。2

部分報導另提到，約有 100 人提供較詳細的任務內容。24 不過，現有資料未充分說明這些參與者的專業或個人經驗如何轉化為評分標準。報導稱評測採用評分規準，但本文參考的資料沒有提供完整任務集與詳細評分方法。122

模型分數：Astra 領先，但要看懂指標

公開報導列出的 OpenAI 模型分數顯示，GPT-5.2 到 GPT-6 Astra 之間有明顯差距；在表列的較新模型中，後續增幅則較小。618

模型	LifeVal 回報分數
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%

這些數字是平均獎勵分數，不是「完美完成的任務占比」。依照公布數字，GPT-6 Astra 比 GPT-5.2 高 31.3 個百分點；從 GPT-5.4 到 Astra，差距則是 7.6 個百分點。5618

部分報導將 Astra 的成績概括為 80%，另有報導列出較精確的 80.6% 無加權平均獎勵。15 可將前者理解為四捨五入後的概述，後者則是較精確的評測指標；兩者都不能直接當成實際生活任務的成功率。

個別任務分數，不是使用保證

報導列出的 LifeVal 任務案例包括：搬家後整理幼兒園候選名單、協調防洪準備志工、為新確診糖尿病的家長規劃餐點、在預算內訂購清真食品，以及預約汽車檢查。2026

任務案例	報導所列分數
搬家後比較幼兒園	93.1%
組織防洪準備志工	98.0%
為新確診糖尿病的家長規劃餐點	90.4%
依預算訂購清真食品	100%
預約汽車檢查	100%

清真食品採買與汽車檢查的分數來自二手報導對特定案例的整理。2627 這些是評測中的個別任務結果，不能證明一般使用者每次都能取得相同成果，也不表示高分模型能可靠處理所有類似情境。20

LifeVal 能說明什麼，又有哪些限制？

LifeVal 提供一種追蹤日常助理任務表現的方法，補足一般知識或推理測驗未必直接涵蓋的面向。OpenAI 表示，公司在公布前一年已用這套評測追蹤並推動模型改進。3

主要限制在於獨立驗證。現有分數由 OpenAI 評估自家模型，而報導指出完整任務集尚未公開。若外界無法檢視任務內容，也缺少其他實驗室的可比結果，就難以重現分數，或判斷這套基準如何衡量不同公司的模型。12

LifeVal 的重心也不同於 OpenAI 先前推出的 GDPVal。GDPVal 衡量模型在 44 種職業中處理具經濟價值的真實工作任務的表現；簡單來說，LifeVal 偏向個人日常責任，GDPVal 則聚焦職場工作。35 現有資料沒有說明兩項評測之間更細緻的關係。

最值得留意的訊息是，OpenAI 正嘗試把 AI 的評估目標拉近生活本身：不只看它知不知道答案，也看它能否協助完成事情。公布分數顯示 OpenAI 模型在 LifeVal 上有所進步，但光憑這些數字，仍無法判斷助理在評測之外能多常替人辦妥日常大小事。

OpenAI 於 2026 年 11 月 2 日公布 LifeVal，想衡量的不是 AI 能不能答出一個聽起來合理的答案，而是能否協助人們處理日常生活中的實際任務。OpenAI 表示，過去一年已運用這套評測追蹤並改善模型在日常任務上的表現。3

最受矚目的數字是 GPT-6 Astra 的 80.6% 無加權平均獎勵，高於 GPT-5.2 的 49.3%。15 不過，這不代表 Astra 能替每位使用者辦妥 80.6% 的差事。LifeVal 的分數反映模型在一套評測中的表現；現實任務則還牽涉個人需求、可用資訊和執行細節。2022

LifeVal 測什麼？

LifeVal 聚焦人們可能希望個人助理協助處理的事情，範圍包括照護、健康、教育、家務行政、個人財務、購物與政府服務。21 評測情境包括尋找托育服務、搬家後比較幼兒園、規劃餐點、管理家庭預算、依預算採買，以及處理行政文件等。12021

重點在於能否在現實限制下推進任務，而不只是產出聽起來流暢的建議。這讓 LifeVal 成為觀察 AI 個人助理能否處理多步驟生活工作的其中一種方式。但公布評測不等於推出新的助理功能，也不代表每項測試任務都能在一般使用者的實際帳戶中完成。320

任務如何選出？

OpenAI 表示，評測設計參考兩項研究：美國的 American Time Use Survey，以及跨國的 Multinational Time Use Study；公司也提到透過調查了解人們最希望 AI 與個人助理在哪些事情上提供協助。3 媒體報導指出，該調查共有 3,995 名受訪者。2

部分報導另提到，約有 100 人提供較詳細的任務內容。24 不過，現有資料未充分說明這些參與者的專業或個人經驗如何轉化為評分標準。報導稱評測採用評分規準，但本文參考的資料沒有提供完整任務集與詳細評分方法。122

模型分數：Astra 領先，但要看懂指標

公開報導列出的 OpenAI 模型分數顯示，GPT-5.2 到 GPT-6 Astra 之間有明顯差距；在表列的較新模型中，後續增幅則較小。618

模型	LifeVal 回報分數
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%

這些數字是平均獎勵分數，不是「完美完成的任務占比」。依照公布數字，GPT-6 Astra 比 GPT-5.2 高 31.3 個百分點；從 GPT-5.4 到 Astra，差距則是 7.6 個百分點。5618

部分報導將 Astra 的成績概括為 80%，另有報導列出較精確的 80.6% 無加權平均獎勵。15 可將前者理解為四捨五入後的概述，後者則是較精確的評測指標；兩者都不能直接當成實際生活任務的成功率。

個別任務分數，不是使用保證

報導列出的 LifeVal 任務案例包括：搬家後整理幼兒園候選名單、協調防洪準備志工、為新確診糖尿病的家長規劃餐點、在預算內訂購清真食品，以及預約汽車檢查。2026

任務案例	報導所列分數
搬家後比較幼兒園	93.1%
組織防洪準備志工	98.0%
為新確診糖尿病的家長規劃餐點	90.4%
依預算訂購清真食品	100%
預約汽車檢查	100%

清真食品採買與汽車檢查的分數來自二手報導對特定案例的整理。2627 這些是評測中的個別任務結果，不能證明一般使用者每次都能取得相同成果，也不表示高分模型能可靠處理所有類似情境。20

LifeVal 能說明什麼，又有哪些限制？

LifeVal 提供一種追蹤日常助理任務表現的方法，補足一般知識或推理測驗未必直接涵蓋的面向。OpenAI 表示，公司在公布前一年已用這套評測追蹤並推動模型改進。3

主要限制在於獨立驗證。現有分數由 OpenAI 評估自家模型，而報導指出完整任務集尚未公開。若外界無法檢視任務內容，也缺少其他實驗室的可比結果，就難以重現分數，或判斷這套基準如何衡量不同公司的模型。12

LifeVal 的重心也不同於 OpenAI 先前推出的 GDPVal。GDPVal 衡量模型在 44 種職業中處理具經濟價值的真實工作任務的表現；簡單來說，LifeVal 偏向個人日常責任，GDPVal 則聚焦職場工作。35 現有資料沒有說明兩項評測之間更細緻的關係。

最值得留意的訊息是，OpenAI 正嘗試把 AI 的評估目標拉近生活本身：不只看它知不知道答案，也看它能否協助完成事情。公布分數顯示 OpenAI 模型在 LifeVal 上有所進步，但光憑這些數字，仍無法判斷助理在評測之外能多常替人辦妥日常大小事。