Michael Johnson一个模型可能很擅长回答问题，但在需要综合条件、安排多个步骤并为他人准备方案时，仍会遇到困难。2026年11月2日，OpenAI 推出了LifeVal，这是一项针对日常生活场景的评估，涵盖比较托儿机构、规划膳食、制定预算以及获取公共服务等任务。
对于那些希望用 AI 助手处理编程和考试测试之外任务的人来说，这一变化很重要。问题变得更具体了：当系统需要搜索、比较选项并准备采取行动，而不只是给出连贯的聊天回复时，它能否完成整个流程？
LifeVal 评估什么
OpenAI 表示，该公司参考了两项关于时间使用情况的研究——一项美国研究和一项国际研究——并另行对3995人开展了具有人口代表性的调查，进而编制了这套任务。主题包括照护亲友、健康、教育、家务、个人财务、购物和公共服务。该公司将 LifeVal 描述为一项评估模型及个人代理完成实际任务能力的测试。
这种侧重点改变了评估单位。场景不再只是检验某一项知识，而可能要求系统收集背景信息、考虑用户的限制条件并准备好结果，同时让用户保留决策权。例如，已公布的一项托儿机构场景要求比较新居附近的机构，并整理一份合适选项清单。另一个例子是帮助一位刚得知新诊断为糖尿病、正在适应这一情况的家长制定照护和饮食计划。
已公布的百分比意味着什么
在 LifeVal 页面上，OpenAI 列出了其当前模型在部分场景中的成绩：比较托儿机构为93.1%，洪灾前组织志愿者为98%，帮助一位家长应对新诊断的糖尿病为90.4%。该公司还展示了完成后的工作示例，包括附有入学详情的机构清单、志愿者分配计划，以及包含提醒事项和供医疗团队讨论的问题的菜单。
这些数字对应 OpenAI 发布的具体场景。页面没有提供多个模型的可比成绩表，因此这些百分比并不能构成独立的助手排行榜。若要自行评估，更有用的做法是给不同系统提供相同的完整场景和输入，然后检查信息收集是否准确、是否考虑了限制条件，以及准备好的结果质量如何。
为什么从回答转向任务很重要
OpenAI 将 LifeVal 与浏览器操作、计算机控制和外部服务连接能力的发展联系起来。根据该公司的描述，这些能力让 ChatGPT 能够执行比提出建议更复杂的任务。因此，这项评估也展示了 OpenAI 认为个人 AI 助手应关注哪些实际场景：帮助用户完成一连串日常步骤。
对于开发助手的团队来说，这带来了一种具体的方法：针对目标用户的多步骤任务测试产品，并事先明确什么才算完成。用户则可以检查系统执行了哪些步骤、重要信息来自何处，以及哪些地方需要自己作出决定。在日常场景中，文字是否易懂固然重要，细节是否准确、结果能否用于后续行动同样重要。
目前可以比较什么
LifeVal 介绍了这套任务集的来源，并展示了当前 OpenAI 模型在若干示例中的百分比成绩。已发布的页面没有提供一份在相同条件下比较多个模型的完整表格。因此，读者可以了解任务类型和回答示例，但不应将其视为现成的助手比较排行榜。
LifeVal 的价值在于提出了一个可检验的问题：AI 能否帮助人们完成重要的日常场景，并准备好可供评估和使用的结果？这为开发者和用户提供了一个实用的参考方向：不仅要检查回答，还要考察从原始任务到行动方案的整个过程。
