OpenAI 发布 LifeVal，以个性化生活任务评估智能体

编辑更正（2026年11月5日）：LifeVal是消费者代理任务评测，不是正式AGI认定标准。1.7万亿美元是美国消费者对理想助理的年度支付意愿估算，不是基准售价或已实现收入。测试使用任务创作者提供的个性化背景，不等于默认读取所有用户私密记录；模型传闻与未来权限也未获该评测证实。参见OpenAI说明（在新窗口打开）与研究论文（在新窗口打开）。

OpenAI发布了面向消费者代理任务的LifeVal评测；它不构成正式AGI认定标准。

就在关于GPT-6.2 Astra的猛料在X上疯传的时候，他们推出了酝酿已久的跑分测试——LifeVal。

这项工作把评测重点延伸到日常个人任务，并不意味着AGI已被认定实现。

论文估算，美国消费者对理想助理在148类任务中的年度支付意愿合计约1.7万亿美元；这是特定问卷与假设下的估算，不能等同现有模型价值或全球实际使用规模。

奥特曼，到底在下怎样一盘大棋？

GPT-6.2 Astra 泄露，

奥特曼：不该把控制权给超级智能

最近，GPT-6.2 Astra的实测在网上传得沸沸扬扬。

Tibo昨天说，Le GPT Fat要来了，加上奥特曼演讲说，内部开发的最强大模型之一（就是能解决地球上最难数学问题的那个）即将发布，气氛直接烘托到这儿了。

结果，都到这个节骨眼了，奥特曼忽然又发了一条耐人寻味的推文。

「人们应该永远掌控未来。OpenAI 反对让人们被限制在『人工智能系统认为值得奖励人类』的角色中。人们不应将未来的控制权拱手让给超级智能，这一要求最终应当限制人工智能的进步。」

不过好笑的是，评论区的画风却跑偏了。

有人质问Altman：「那你为什么要偷走我的电脑内存（RAM）？」

Altman幽默回应道：「我希望你能拥有这么多内存，让我们造更多吧。」

更有网友神补刀：「Sam偷了我朋友的8GB内存。」

显然，新一代模型的能力和对算力、内存的渴望已经达到了前所未有的量级。AGI要做的，是接管你的浏览器，操控你的电脑，进入你的真实生活。

用什么来证明它能做到？这就请LifeVal登场了。

LifeVal——1.7万亿美元的「生活修罗场」

过去几年，我们评判一个AI牛不牛，看的是它有没有通过律师资格考试、在奥数中拿了什么成绩。

但全球每周超10亿的ChatGPT用户来说，谁在乎AI能不能做微积分？

我们真正的痛点是：「谁能帮我找个靠谱的保姆？谁能帮我搞定退税？谁能帮我规划复杂的跨国搬家？」

正如OpenAI官方推文所说：

「为了让 AGI 惠及全人类，它应当帮助人们完成对他们最重要的日常任务。因此，我们打造了 LifeVal……帮助他们最需要个人助理的帮助——从寻找托儿、获取政府服务到管理个人财务。」

与此同时，OpenAI放出一篇16页的论文。

论文地址：https://cdn.openai.com/pdf/lifeval.pdf

什么是LifeVal？

这是OpenAI提出的个性化消费者代理任务基准，聚焦办事能力；本文未证明其为全球首个同类评测。

为了搞清楚人类到底最需要什么帮助，OpenAI下了血本。

首先，他们翻阅了美国劳工统计局的《美国时间使用调查》和《多国时间使用研究》，研究了25个国家的人每天时间都花在哪了。

然后，他们对3800多名、符合美国人口普查分布的真实消费者进行了「支付意愿」问卷调查。

最终，他们筛选出了148个极具价值的生活任务。

这些任务如果交给一个完美的超级助理来做，美国消费者每年愿意为此掏出的钱，高达惊人的1.7万亿美元！

1.7万亿美元是什么概念？这相当于韩国一年的GDP总和！

这一次，OpenAI盯上的，是个人服务与家政管理市场的半壁江山。

AI是如何「接管」你的人生的

在这份论文中，OpenAI详细展示了LifeVal的变态级测试难度。

它有四大核心特征：高价值、高上下文、个性化、强代理性。

下面是几个真实案例。

搬家后选一个正确的幼儿园。

洪水发生前，管理志愿者团队。

找个符合预算和要求的新家。

和奶奶一起看远程比赛。

为诊断出糖尿病的父母准备餐食。

另外，论文中还有这样几个案例。

癌症康复后的医疗对接

「我26年前被诊断出患有脑癌。我要换个新医生，请帮我把我的所有健康信息、就诊记录总结成一个PDF，并列出我下次就诊需要问的问题。」

全职保姆招聘

「我需要为女儿找个全职保姆。帮我筛选简历并找3个候选人。要求：必须懂CPR（心肺复苏）和急救，不吸烟，预算在每小时25-30美元。」

用信用卡积分预订航班

「帮我找出从芝加哥飞往日内瓦的航班，必须在3月9日出发，最多中转一次。并且要用上我账户里的信用卡积分。」

能解决这些任务的，是一个有顶级执行力的私人秘书。

为了完成这些任务，AI必须具备以下超强能力。

1.翻阅你的「记忆抽屉」

LifeVal的个性化任务由任务创作者提供相关背景，其中可能包含其提供的历史对话和记忆信息；这不意味着默认接入所有ChatGPT用户的私密资料。

比如你要规划晚餐，AI不能给你随便推个菜谱，它得从你半年前的对话中翻出「你对花生过敏」、「你爸爸最近得了糖尿病」，然后量身定制一桌菜。

2.化身「黑客代理」

LifeVal给AI提供了一个「强化学习环境（RLE）」。AI必须要自己打开浏览器，登录网站，筛选信息，点击按钮，填写表单，甚至生成一份PDF报告交给你。

3.严防作弊

如果AI耍小聪明怎么办？OpenAI专门开发了两个评分AI，背后是GPT-5.6。

其中一个是「主考官」，专门核对AI有没有真的完成操作（比如真的买到了票，而不是假装买到了）。

另一个叫「防黑客考官」，只要发现AI试图利用后台代码走捷径，直接0分！

此外，还有至少三轮人类专家的交叉审核。

可以说，能在LifeVal里拿高分的AI，放到现实社会里，绝对是月薪两万起步。

从GPT-5.2到GPT-6 Astra，

AI速度脱离线性增长！

在论文的第7页，OpenAI首次公开了他们对过去一年各代模型的LifeVal跑分结果，涉及的模型包括：GPT-5.2, 5.4, 5.5, 5.6，以及GPT-6 Astra。

OpenAI首次公开GPT-6 Astra的实测数据表现

数据揭示一个惊人真相：AI的进化速度，已经脱离了线性增长！

早期的GPT-5.2，还是唯一一个会因为「Token耗尽」而导致任务失败的模型。它在面对复杂的网页操作时，经常像个无头苍蝇一样，最后交白卷。

到了GPT-5.4和5.6，转折点出现了！

报告比较了不同模型在电脑、浏览器及连接器任务上的表现，但有限评测结果不能推出能力会持续线性增长。它越来越懂怎么像人类一样滑动鼠标、点击链接。

而最强完全体 GPT-6 Astra，更是直接称霸了！

该模型在报告所测任务中表现较好，但LifeVal成绩不能单独证明它在全部场景中“最对齐”，或已保证涉及个人信息的复杂操作稳定可靠。

不过，哪怕是GPT-6 Astra，最大痛点依然是「错误的信息或建议」。

在附录B中，研究者做了一个有趣的测试：如果把用户的「附加任务背景」删掉，AI的表现会断崖式下跌。

这说明，现在的AI有时候还是有点「健忘」，不太擅长从几万条历史聊天记录里，精准筛出那个关键细节（比如你三年前提过一次的航班偏好）。

至于被传为GPT-6.2 Astra的后续产品，其身份、发布时间及能力均不能从这份评测确认。

对于这个地球最强大脑级的模型，补齐短板只是时间问题。

AI，真的在解放人类吗？

奥特曼说，「人们应该永远掌控未来。」

为什么OpenAI要在此时大张旗鼓地推出LifeVal？

表面上看，是为了让AGI更好地服务大众。

论文中提到，很多低收入家庭因为繁琐的手续（比如报税、申请社会福利）而放弃了本该属于他们的权益（学术界称为「行政负担 」）。

如果数字超级助理能免费、完美地帮他们填完这些复杂的表格，这将创造巨大的社会福祉。

同时，论文也引用了多位经济学家的研究。

在经济学领域，当一项技术的成本降得足够低时，它不是在消灭工作，而是在创造新的需求。就像洗衣机把妇女从家务中解放出来一样，AI超级助理将把我们从「找资料、比价格、填表格」的苦力活中彻底解放。

然而，另一面呢？

作者进一步提出隐私与支付授权的假设性担忧。评测本身没有证明系统会默认收集全部财务、医疗或家庭资料，也没有赋予未来模型未经授权扣款的能力。

到底是你掌控了AI，还是AI掌控了你？

对生活助理的隐私、授权与决策边界仍需讨论，但现有评测并不证明某个系统已能完美代替用户作出全部生活决策。

参考资料：

https://openai.com/index/lifeval/

https://x.com/sama/status/2117794005165748448

文章来自于"新智元"，作者 "Aeneas"。