前言¶

OpenAI 在 2026 年 11 月 2 日公開 LifeVal 評測體系，用來跟蹤模型在「日常生活裏真正要辦的事」上的表現，而不是隻對照傳統學術基準。官方稱，ChatGPT 每週活躍用戶已超過十億人；對這類用戶來說，產品方向是能在育兒、政務、財務、購物等場景裏把事辦完，而不只是給建議或聊天回覆。

LifeVal 的任務集合來自時間使用調查與近四千人的代表性問卷，覆蓋用戶最希望個人助手幫忙的領域。OpenAI 表示，過去一年已用該評測推動模型在瀏覽器使用、計算機使用以及連接器類任務上的改進。下面介紹評測怎麼建、示例指標是什麼，以及它和 agent 能力評估的關係。

LifeVal 要解決什麼問題¶

用戶找 AI 幫忙時，往往需要的是能執行的動作，而不只是對話。OpenAI 把「個人助手能否把事做成」當成可度量的產品目標，因此做了覆蓋日常高需求場景的評測，並用來觀察模型隨時間是否在變快、變強、在 agent 相關能力上更對齊。

任務範圍包括：找托兒/育兒、使用政府服務、做預算、入學準備、改食譜、訂雜貨、設計鍛鍊計劃等。評測設計強調與真實生活決策、日常事務管理、可完成的產出掛鉤，而不是僅測模型知識儲備。

任務來源與覆蓋領域¶

先說數據從哪來。OpenAI 以兩類大型時間使用調查爲起點：美國時間使用調查（American Time Use Survey）與多國時間使用研究（Multinational Time Use Study）。二者彙總了不同人羣、時段與季節下的日常活動。

在此之上，OpenAI 又做了一次人口統計學上具有代表性的新調查，樣本量爲 3,995 名受訪者。針對各項日常任務，問卷設計了多種問題，用來找出人們最希望個人助手介入的領域。最終任務集集中在 caregiving（照護）、健康、教育、家庭行政、個人財務、購物、獲取政府服務等方向。

官方給出的工作流完成率示例¶

OpenAI 在發佈頁展示了若干「開放式對話 + 實際工作流」示例，並標註當前模型在這些 LifeVal 任務上的得分（完成率）。以下爲頁面披露的數據，便於對照 agent 類能力是否在具體場景裏可量化：

頁面還提到，最新模型在不少 LifeVal 任務上得分已經很高，並鏈到更多任務結果。這些數字是 OpenAI 自家評測下的展示，不是第三方獨立榜單；讀數時應連同任務定義與模型版本一併看待（發佈頁未在本篇資料中單獨列出模型名稱與版本號）。

與瀏覽器、計算機使用 agent 的關聯¶

OpenAI 寫明，過去一年訓練重點包括瀏覽器使用、計算機使用以及 connectors 任務；在 ChatGPT 裏啓用這些能力後，模型能幫忙的事務類型變多，產品敘事也從「聊天工具」往「能辦事的個人 agent」靠攏。LifeVal 在這裏的角色是內部與對外公開的進度標尺：用同一套日常任務觀察 agent 能力是否在一年內持續提升。

對行業而言，頭部廠商把評估軸從 MMLU 一類知識基準挪到「時間使用調查 + 用戶意願調研」合成的生活任務，等於把對齊與營銷話術都綁在可復現的任務集上。是否成爲事實標準，取決於其他實驗室是否公開對標、以及任務是否持續更新以反映政策與產品界面變化。目前可覈實的事實是：OpenAI 已發佈 LifeVal 的方法背景、樣本規模（3,995）、數據來源與部分完成率示例，並把它與 ChatGPT 周活超十億、agent 能力一年進展的敘述連在一起。

結尾：對評估與產品路線的影響¶

LifeVal 不會替代所有學術評測，但明確表達了 OpenAI 的優先級：衡量「對普通人生活有意義的事辦得怎麼樣」。研發側可以用類似思路自建任務庫；產品側則會把完成率類指標寫進發布材料。第三方若要對比模型，需要先拿到或復現任務定義與評判協議——發佈頁側重原則與示例，完整任務清單與評判細節是否全部開放，需以 OpenAI 後續文檔爲準。

來源：LifeVal | OpenAI（2026-11-02）。