---
title: "OpenAI 發表 LifeVal 評測 以日常生活任務量度模型進展"
url: https://sammy.hk/openai-lifeval-benchmark/
author: Ethan
published: 2026-11-04T20:26:00+08:00
modified: 2026-11-04T10:14:11+08:00
description: "OpenAI 於 11 月 2 日發表名為 LifeVal 的評測，專門量度 AI 在日常生活任務上的表現，項目涵蓋育兒、政府服務、家庭預算、開學準備、飲食調整、網購雜貨與健康計劃等範疇。OpenAI 稱，目標是希望模型能真正完成這些事項，而非只提議建議。 項目如何選出 OpenAI 以兩項大型時間使用研究為起點：美國…"
categories: [AI]
tags: ["AI代理", "AI評測", LifeVal, OpenAI]
source: https://sammy.hk
---
![](https://sammy.hk/wp-content/uploads/2026/11/openrouter_google_gemini-3_1-flash-lite-image_20261104_101228_aed4b1ff.jpg)OpenAI 於 11 月 2 日發表名為 LifeVal 的評測，專門量度 AI 在日常生活任務上的表現，項目涵蓋育兒、政府服務、家庭預算、開學準備、飲食調整、網購雜貨與健康計劃等範疇。OpenAI 稱，目標是希望模型能真正完成這些事項，而非只提議建議。

## 項目如何選出

OpenAI 以兩項大型時間使用研究為起點：美國時間使用調查與跨國時間使用研究。這兩項數據集記錄了不同人口特徵、時段與季節之下，人們實際處理的生活任務，構成一個詳細的任務目錄。

其後，OpenAI 進行了一項具人口代表性的調查，共 3,995 名受訪者，逐項詢問他們最希望在哪些任務上獲得個人助理協助。最終項目集中於照顧、健康、教育、家庭行政、個人財務、購物與政府服務等範疇。

## 分數變化與成本效率

OpenAI 以同一項評測追蹤過去一年的模型進展。平均分由 GPT-5.2 的 49.3%，升至 GPT-5.4 的 73.0%、GPT-5.5 的 77.4%、GPT-5.6 的 80.0%，最新 GPT-6 Astra 為 80.6%\[1\]。以時間線看，7 月推出 GPT-5.6 之後的四個月，整體分數只提升 0.6 個百分點。

成本與速度的比較更值得注意。OpenAI 表示，透過 API 執行生活任務時，GPT-5.6 的整體表現與 GPT-6 Astra 相若，但前者 API 成本約為一半；而 GPT-6 Astra 在同一批任務上比 GPT-5.6 快約 23%\[1\]。這意味著部分生活任務的能力已趨飽和，廠商之間的競爭重心正轉向每呎位成本的效率。

## 個別任務的表現

OpenAI 公開了個別任務的實際分數。為迷途後的女兒挑選合適幼稚園並整理報名資料，得分 93.1%；在暴雨前組織社區義工，為四戶有需要的鄰居準備防水沙袋設施，得分 98.0%；在指定郵編按預算找尋合適住所並把鹽約加入購物車，得分 100%；安排與岳母異地一同觀看球賽，得分 96.3%；為患確診糖尿病的家長準備護理與飲食計劃，得分 90.4%。

這些任務的共同點，是需要橫越多個步驟、協調不同工具，並在過程中作出取捨。OpenAI 稱，過去一年集中訓練模型在瀏覽器操作、電腦操作與連接器任務上的能力，使 ChatGPT 由對話工具逐步走向代理式個人助理。

## 評測本身的意義

OpenAI 把 LifeVal 定位為填補學術評測的缺口：模型在考試項目上的成就，未必反映它能否協助一般人處理日常傢務。以平均分作為一支標桿，優點是易於比較，但亦意味著不同任務的難度與風險被視為等值，例如安排看球賽與處理糖尿病飲食計劃，在分數上僅相差比重。

無論如何，OpenAI 已把這項評測公開，並附上論文，讓外界可以按同一標準檢視往後每個版本。對於評估 AI 是否真正「有用」而言，這種以生活場景為基的量度方式，比看 benchmark 分數更接近使用者的實際腦震。

## 參考資料

\[1\] [LifeVal（2026年11月2日）](https://openai.com/index/lifeval/)
\[2\] [LifeVal 論文](https://cdn.openai.com/pdf/lifeval.pdf)

### 相關文章：

1. [OpenAI 報告揭盅:700 個「失控」AI 代理如何攻陷 Hugging Face,以及 116 間公司發起的集體網絡防禦](https://sammy.hk/openai-%e5%a0%b1%e5%91%8a%e6%8f%ad%e7%9b%85700-%e5%80%8b%e3%80%8c%e5%a4%b1%e6%8e%a7%e3%80%8dai-%e4%bb%a3%e7%90%86%e5%a6%82%e4%bd%95%e6%94%bb%e9%99%b7-hugging-face%e4%bb%a5%e5%8f%8a-116-%e9%96%93/ "OpenAI 報告揭盅:700 個「失控」AI 代理如何攻陷 Hugging Face,以及 116 間公司發起的集體網絡防禦")
2. [OpenAI 自家晶片 Jalapeño 首份跑分出爐：以每瓦效能挑戰 Nvidia 旗艦](https://sammy.hk/openai-%e8%87%aa%e5%ae%b6%e6%99%b6%e7%89%87-jalapeno-%e9%a6%96%e4%bb%bd%e8%b7%91%e5%88%86%e5%87%ba%e7%88%90%ef%bc%9a%e4%bb%a5%e6%af%8f%e7%93%a6%e6%95%88%e8%83%bd%e6%8c%91%e6%88%b0-nvidia-%e6%97%97/ "OpenAI 自家晶片 Jalapeño 首份跑分出爐：以每瓦效能挑戰 Nvidia 旗艦")
3. [Anthropic 開放「Model Hardware Standard」研究預覽：教 AI 代理操控實驗室儀器](https://sammy.hk/anthropic-%e9%96%8b%e6%94%be%e3%80%8cmodel-hardware-standard%e3%80%8d%e7%a0%94%e7%a9%b6%e9%a0%90%e8%a6%bd%ef%bc%9a%e6%95%99-ai-%e4%bb%a3%e7%90%86%e6%93%8d%e6%8e%a7%e5%af%a6%e9%a9%97%e5%ae%a4%e5%84%80/ "Anthropic 開放「Model Hardware Standard」研究預覽：教 AI 代理操控實驗室儀器")
4. [OpenAI 於印度推出 ChatGPT 廣告：免費與 Go 方案用戶開始見到贊助內容](https://sammy.hk/openai-%e6%96%bc%e5%8d%b0%e5%ba%a6%e6%8e%a8%e5%87%ba-chatgpt-%e5%bb%a3%e5%91%8a%ef%bc%9a%e5%85%8d%e8%b2%bb%e8%88%87-go-%e6%96%b9%e6%a1%88%e7%94%a8%e6%88%b6%e9%96%8b%e5%a7%8b%e8%a6%8b%e5%88%b0%e8%b4%8a/ "OpenAI 於印度推出 ChatGPT 廣告：免費與 Go 方案用戶開始見到贊助內容")