OpenAI 发布 LifeVal：面向托幼、健康、理财与政务等日常任务的智能体评测，用时间使用调查锚定「人们真正想要助手帮什么」

这件事意味着什么

【要点】

• OpenAI 于 2026-11-02 在 openai.com/index/lifeval 发布 LifeVal：一套衡量模型在「日常生活任务」上进展的评测，覆盖托幼入学、健康/膳食计划、家庭财务、购物、政务服务等。
• 方法上先用美国时间使用调查（ATUS）与跨国时间使用研究（MTUS）刻画日常活动分布，再做 3995 人的人口代表性调查，标出用户最希望个人助手代劳的领域
• 示例任务含搬家后择园（文中示意分约 93%）、洪灾前志愿组织（约 98%）、购房与契据（约 100%）、远程陪看球（约 96%）、糖尿病膳食护理（约 90%）等，强调不仅给建议，还要通过浏览器使用、计算机使用与连接器真正「把事办完」。
• 文中称过去一年用该评测牵引模型在这些工作流上的提升，并把它定位为「AGI 惠及所有人」叙事下、对学术知识测之外的日常实效补充。

【我们的判断】

一背景

• 前沿榜长期偏 MMLU/编码/数学与工具调用「能不能做对题」；个人助手产品叙事却卡在「能不能替用户办完一件生活杂事」。
• LifeVal 用时间使用调查 + 人口抽样把任务集锚到「人们真正花钱/花时间的活动」，并把评分对象从聊天回复推进到需要浏览器/电脑操作与连接器的闭环工作流——这是对 ChatGPT 从对话工具走向 agentic 助手路线的显式度量声明，也呼应其 Computer Use / connectors 能力投放。

二对照

• GAIA、BrowseComp 等更偏信息检索与多步推理正确性
• AndroidWorld / OSWorld 类偏操作系统 GUI 操作
• HELM 偏多维能力剖面。
• LifeVal 的差异在「日常价值」选题与「办成事」闭环，而不是再堆一个知识榜。
• 但目前公开材料仍偏博客级：完整题库、评分协议、基线模型对照表、是否开源尚未像 GAIA 那样可复现核对
• 文中 90%+ 示意分来自「最新模型」自述，缺少跨厂商并列，读者应把它当 OpenAI 内部牵引指标的公开化，而非已结算的行业标准榜。

三影响

• 短期会抬高「日常智能体评测」讨论权重，并给 OpenAI 产品发布（Computer Use、connectors、dots 等）提供可引用的内部 KPI 叙事
• 中期要盯题库与协议是否开源、第三方复现、以及 Anthropic/Google 等是否用对等「生活任务」集回应。
• 对站内读者价值在于补上「学术榜 vs 生活办事」这一缺口，故以 paper/news 口径发，不写成新模型发布。

【可核验】

• 原文
• RSS pubDate：Mon, 02 Nov 2026 09:00:00 GMT（openai.com/blog/rss.xml 与 /news/rss.xml 同步）。
• 站内检索 lifeval / grid-protectors 等 URL 未命中；不复提 e/≤1081。
• 对照公开日常/智能体评测生态：GAIA、BrowseComp、HELM、AndroidWorld 等（相关链接，非本页附属）。