OpenAI 发布 LifeVal 基准，测试模型能否完成日常琐事
精选理由
OpenAI 搞了个叫 LifeVal 的新基准，专门测模型能不能帮你跑腿办事，GPT-6 Astra 拿了 80.6%，比 GPT-5.2 的 49.3% 高了一截。
OpenAI 推出 LifeVal 基准，考察 AI 模型替人完成日常事务的能力。测试任务覆盖照护、健康、教育、金融、购物和家庭事务，包括预约车辆年检、在预算内订购清真食品杂货等。GPT-6 Astra 在该基准的日常任务上得分 80.6%，而 GPT-5.2 在不到 9 个月前仅为 49.3%。
原文 · rohanpaul_ai
OpenAI has released LifeVal, a benchmark testing whether AI models can finish everyday errands for people.
GPT-6 Astra, scores 80.6% on everyday tasks, up from 49.3% for GPT-5.2 less than 9 months earlier.
LifeVal’s tasks span caregiving, health, education, finance, shopping and household admin, from booking a car inspection to ordering halal groceries within budget.
