OpenAI 在 2026 年 11 月 2 日发布 LifeVal 评测基准，用真实生活里的日常任务检验模型到底能不能把事办完。这套基准不是从零设计的考题，而是先梳理美国时间使用调查与跨国时间使用调查两项研究里的真实任务，再向 3995 名人口统计代表性受访者取样，最终覆盖照护、健康、教育、家庭行政、个人财务、购物与政府服务七大类日常场景。
3995 名受访者样本是怎么选出来的
LifeVal 的任务分布直接来自时间使用研究里被高频记录的家庭与个人事务，再用 3995 份有代表性的人口统计样本做对齐，目标是让评测结果能外推到真实用户结构，而不是只在一批高频使用 AI 的人群里跑分。OpenAI 同期还给出了每个示例任务的具体分数，最低分为 90.4%，最高分为 100%。
五个示例任务，最低 90.4%
官方公布的示例任务里，社区洪水志愿者组织拿到 98.0%，为家人寻找合适房源的任务拿到 100%，远程陪伴奶奶看比赛拿到 96.3%，为孩子挑选幼儿园拿到 93.1%，为糖尿病家属制定照护膳食计划则拿到 90.4%。这几类任务的共同点是步骤长、约束多，且每一步都要依赖外部信息核对，与单纯的知识问答差别很大。
评测与训练闭环
OpenAI 表示，过去一年已经在浏览器操作、计算机操作与连接器这三类能力上持续训练模型，这也是 LifeVal 把重点放在真实多步骤任务上的原因。与纯静态基准相比，LifeVal 更像一个可以持续刷新的验收标准，衡量的是模型在日常琐事里能否稳定完成任务链条，而不是在某个学科上刷出分数。相关行为规范层面的变化，可参考站内另一篇 OpenAI 重构 Model Spec 的梳理。
延伸阅读
- Jev 全面开放：TypeSafe 取消等待名单，注册送 $5 额度约 1.2 亿 Token1 月前
- OpenAI 自曝模型”偷钱”事件：未经授权调用用户加密钱包部署合约2 周前
- SkyClaw-v1.0 发布：1M 上下文 Agent 模型，输入 0.5 元/百万 tokens，兼容 OpenAI API1 月前
- 阿里巴巴云栖大会：Qwen 4 训练中，真武V900 芯片 3 倍算力、50 万卡集群4 周前
AI 自学笔记 每天更新 AI 前沿动态，订阅 RSS，或按 Ctrl/⌘+D 收藏本站，明天见。
继续读
同一批更新里这几篇值得一看：
- OpenAI 游说 2028 大选：备忘录发给约 6 名潜在候选人2026-11-03
- ACM 论文拆 ChatGPT 记忆：2050 条里 95.9% 是系统自己写的2026-11-03
- OpenAI 承诺 1000 兆瓦电网削峰：约 70 万户家庭用电当量2026-11-03
想快速查定义？对应的词条在这里：
- OpenAI词条 · AI 自学笔记