事件经过

11 月 4 日，在 GPT-6.2 Astra 相关传闻发酵之际，OpenAI 推出酝酿已久的评测基准 LifeVal，并同步发布 16 页论文。与过去以律师资格考试、奥数成绩衡量模型的思路不同，LifeVal 针对的是"办事"能力。

关键能力与数据

• 任务来源：OpenAI 参考美国劳工统计局《美国时间使用调查》及《多国时间使用研究》，覆盖 25 个国家人群的时间分配；随后对 3800 多名符合美国人口普查分布的真实消费者开展支付意愿问卷。

• 任务规模：最终筛选出 148 个高价值生活任务，如搬家后挑选幼儿园、洪水来临前调度志愿者、按预算找房、为确诊糖尿病的父母准备餐食等。

• 经济量级：OpenAI 测算，若由完美超级助理完成这些任务，美国消费者每年愿支付 1.7 万亿美元，接近韩国全年 GDP。

• 四大特征：高价值、高上下文、个性化、强代理性，要求模型在多轮追问、跨系统操作与个人信息约束下给出可执行结果。

行业意义

LifeVal 把 AGI 的衡量尺度从"考场"移到"生活"，也把竞争焦点引向代理能力与个性化上下文。同期 OpenAI 披露 ChatGPT 周活跃用户已达 12 亿、两个月新增约 2 亿，并称 ChatGPT 搜索量已达谷歌的 20%。当用户规模突破十亿量级，评测体系向真实任务迁移，实质是在为下一代代理型产品设定验收标准。

原文出处：[OpenAI 发布 LifeVal](https://www.163.com/dy/article/LAT6ALSC0511ABV6.html)｜[论文](https://cdn.openai.com/pdf/lifeval.pdf)