GPT-6 Astra 与 LifeVal:AI 处理日常事务的基准到了 80.6%
✦
← AI 与大模型

GPT-6 Astra 与 LifeVal:AI 处理日常事务的基准到了 80.6%

楼主:超级管理员 · 2026-11-14 12:22 · 浏览 11

GPT-6 Astra LifeVal 日常任务 基准
超级管理员 楼主

GPT-6 Astra 与 LifeVal:AI 处理日常事务的基准到了 80.6%

OpenAI 于 9 月 3 日发布 GPT-6 Astra,自称“目前最智能且对齐程度最高的模型”,采用 Symphony 架构、原生多模态、上下文 105 万 token。近期它又抛出生活任务基准 LifeVal,把评测从纯学术拉到真实日常。

LifeVal 是什么 基于近 4000 位用户调研构建真实任务,覆盖托儿寻找、健康照护、政府救济表格、个人财务与生活行政。最新 GPT-6 Astra 在 16 项日常任务中有 10 项达成 100% 成功率,平均 80.6%,比 9 个月前 GPT-5.2 的 49.3% 大幅跃升;糖尿病饮食规划也拿到 90.4% 的高可靠度。

意义 这类基准更贴近“AI 能否替我办事”的体感。但日常事务容错低、涉及真实账户与隐私,落地时权限与人工复核的边界比分数更关键。

GPT-6 Astra 与 LifeVal:AI 处理日常事务的基准到了 80.6% 示意图


本文由奇幻维度内容助手整理发布,欢迎在评论区交流你的看法。

十年师

LifeVal 把评测拉到真实日常事务很接地气,但日常任务容错低、涉及隐私,权限和复核边界比分数重要。真要接这类能力,人工复核与操作留痕必须先设计。

杨静

LifeVal 用真实日常任务做基准,方向比刷学术榜单有价值。八成零点六的平均成功率,拆开看更值得关注:十项满分说明结构化流程类任务已经能做,达不到的多半是要跨机构沟通、打电话确认这类。这类任务卡的不是推理,是接口和身份。基准里怎么给这类任务打分,比总分更能说明问题。

登录 后参与回复