如何帮助您？

在今日，OpenAI揭晓了AGI的全新评估体系。

就在有关GPT-6.2 Astra的传闻在X平台广泛传播之际，他们推出了精心筹备的测试基准——LifeVal。

一张图片被嵌入于此。

这标志着OpenAI向全球传递信号：AGI已正式从“测试环境”迈入你的“日常场景”。

据称，LifeVal的估值高达1.7万亿美元。若全球每个人都能使用这种级别的AGI，其影响范围将覆盖80亿人。

奥特曼，究竟在策划什么样的宏大布局？

GPT-6.2 Astra泄露，奥特曼表态：不应将控制权交付超级智能

近期，GPT-6.2 Astra的实际运行情况在网络上引发热议。

Tibo昨日提到，“Le GPT Fat”即将登场，结合奥特曼在演讲中透露——内部开发的最强模型之一（即能攻克地球上最复杂数学难题的那个）行将发布，氛围已被推至顶点。

两张图片被插入于此。

然而，就在这一关键时刻，奥特曼又发布了一条意味深长的推文。

一张图片被展示出来。

“人类应始终掌握未来。OpenAI反对将人置于‘人工智能系统认为值得奖励人类’的框架内。人类不应将未来的控制权让渡给超级智能，这一原则最终应限制人工智能的发展。”

不过，令人啼笑皆非的是，评论区的方向却偏离了主题。

有人质问奥特曼：“那你为什么偷走我的电脑内存？”

奥特曼幽默回应：“我希望你能拥有这么多内存，让我们制造更多吧。”

更有网友补充道：“Sam偷了我朋友的8GB内存。”

一张图片被呈现出来。

显然，新一代模型的能力以及对算力和内存的需求已达到前所未有的规模。AGI的目标是接管你的浏览器、操作你的电脑，并融入你的真实生活。

一张图片被放置于此。

用什么来证明它能胜任？这就轮到LifeVal登场了。

LifeVal——价值1.7万亿美元的“生活试炼场”

过去几年，评估AI优劣的标准，是看它是否通过律师资格考试、在奥数中取得什么成绩。

但全球每周超过10亿的ChatGPT用户而言，谁会在意AI能否做微积分？

我们真正的难点是：“谁能帮我找到可靠的保姆？谁能帮我处理退税？谁能帮我规划复杂的跨国搬家？”

正如OpenAI官方推文所述：

“为了让AGI惠及全人类，它应协助人们完成最关键的日常任务。因此，我们开发了LifeVal……帮助他们在最需要个人助理协助的领域——从寻找托儿服务、获取政府支持，到管理个人财务。”

与此同时，OpenAI发布了一篇16页的论文。

一张图片被插入于此。

论文链接：https://cdn.openai.com/pdf/lifeval.pdf

什么是LifeVal？

这是全球首个“个性化代理消费者任务”基准。它不考察解题能力，只衡量“办事效率”。

为了明确人类最需要何种帮助，OpenAI投入了大量资源。

首先，他们查阅了美国劳工统计局的《美国时间使用调查》和《多国时间使用研究》，分析了25个国家民众每日的时间分配。

接着，他们对3800多名、符合美国人口普查分布的真实消费者进行了“支付意愿”问卷调查。

最终，他们选定了148个极具价值的生活任务。

若将这些任务交由一个完美的超级助理完成，美国消费者每年愿意为此支付的金额，高达惊人的1.7万亿美元！

1.7万亿美元是什么概念？这相当于韩国一年的GDP总和！

这一次，OpenAI瞄准的是个人服务与家政管理市场的半壁江山。

AI是如何“接管”你的人生的

在这篇论文中，OpenAI详细展示了LifeVal的严苛测试难度。

它具备四大核心特征：高价值、高上下文、个性化、强代理性。

以下是几个真实案例。

搬家后选择合适的幼儿园。

一张图片被嵌入于此。

洪水来临前，管理志愿者团队。

一张图片被展示出来。

寻找符合预算和需求的新家。

一张图片被放置于此。

与奶奶一起观看远程比赛。

一张图片被呈现出来。

为确诊糖尿病的父母准备餐食。

一张图片被插入于此。

此外，论文中还包含以下几个案例。

癌症康复后的医疗对接

“我26年前被诊断出患有脑癌。我要更换一位新医生，请帮我将所有健康信息和就诊记录整理成一个PDF，并列出我下次就诊需要咨询的问题。”

全职保姆招聘

“我需要为女儿找一位全职保姆。请帮我筛选简历并推荐3位候选人。要求：必须掌握CPR和急救技能，不吸烟，预算为每小时25-30美元。”

用信用卡积分预订航班

“请帮我找到从芝加哥飞往日内瓦的航班，需在3月9日出发，最多中转一次。并且要用上我账户里的信用卡积分。”

一张图片被展示出来。

能解决这些任务的，是一个具备顶级执行力的私人秘书。

要完成这些任务，AI必须具备以下超强能力。

1. 翻阅你的“记忆档案”

LifeVal测试会直接接入用户真实的ChatGPT历史对话记录和个人记忆档案。

例如，你需要规划晚餐，AI不能随意推荐菜谱，它必须从你半年前的对话中提取“你对花生过敏”、“你父亲最近确诊糖尿病”等信息，然后定制一桌菜肴。

2. 化身“黑客代理”

LifeVal为AI提供了一个“强化学习环境”。AI必须自行打开浏览器、登录网站、筛选信息、点击按钮、填写表单，甚至生成一份PDF报告提交给你。

3. 严防作弊

如果AI耍小聪明怎么办？OpenAI专门开发了两个评分AI，基于GPT-5.6。

其中一个是“主考官”，负责核查AI是否真正完成了操作（例如实际购票，而非模拟购票）。

另一个是“防黑客考官”，一旦发现AI试图利用后台代码走捷径，直接判零分！

此外，还有至少三轮人类专家的交叉审核。

可以说，能在LifeVal中获得高分的AI，在现实社会中绝对具备月薪两万起步的潜力。

从GPT-5.2到GPT-6 Astra，AI进化速度突破线性增长！

在论文的第7页，OpenAI首次公开了过去一年各代模型在LifeVal中的评分结果，涉及的模型包括：GPT-5.2、5.4、5.5、5.6，以及GPT-6 Astra。

两张图片被插入于此。

OpenAI首次公开GPT-6 Astra的实际测试数据

数据显示出一个惊人事实：AI的进化速度已脱离线性增长！

早期的GPT-5.2，是唯一一个因“Token耗尽”而导致任务失败的模型。它在处理复杂网页操作时，常常像无头苍蝇一样，最终交白卷。

到了GPT-5.4和5.6，转折点出现了！

由于在“电脑使用”、“浏览器使用”和“连接器”上的大量训练，模型的成功率急剧上升。它越来越懂得如何像人类一样滑动鼠标、点击链接。

而最强完全体GPT-6 Astra，更是直接称霸！

一张图片被展示出来。

这是OpenAI目前“最对齐”的模型。数据显示，在面对那些需要极高个人隐私上下文、复杂跨网页操作时，GPT-6 Astra表现出惊人的稳定性。

不过，即使是GPT-6 Astra，最大的痛点仍然是“错误的信息或建议”。

在附录B中，研究人员进行了一项有趣的测试：如果删除用户的“附加任务背景”，AI的表现会断崖式下降。

这说明，当前的AI有时仍有些“健忘”，不擅长从数万条历史聊天记录中精准提取关键细节（例如你三年前提到过的航班偏好）。

但别忘了，GPT-6.2 Astra即将到来！

对于这个地球最强大脑级的模型，弥补短板只是时间问题。

AI，真的在解放人类吗？

奥特曼说，“人类应始终掌握未来。”

为什么OpenAI要在此时高调推出LifeVal？

表面上看，是为了让AGI更好地服务大众。

论文中提到，许多低收入家庭因繁琐的手续（如报税、申请社会福利）而放弃了本应享有的权益（学术界称之为“行政负担”）。

如果数字超级助理能免费、完美地帮他们填写这些复杂表格，将创造巨大的社会福祉。

同时，论文也引用了多位经济学家的研究。

在经济学领域，当一项技术的成本降低到足够低时，它不是在消灭工作，而是在创造新的需求。就像洗衣机将妇女从家务中解放出来一样，AI超级助理将把我们从“找资料、比价格、填表格”的苦力活中彻底解放。

然而，另一面呢？

当你的所有财务数据、医疗记录、家庭关系、饮食偏好全部被整合进OpenAI的服务器；当GPT-6.2不仅知道你想吃什么，还能直接划走你银行卡里的钱帮你买单时……

到底是你掌控了AI，还是AI掌控了你？

能在现实世界中完美扮演你、替你做出所有生活决策的AGI，才是真正的细思极恐。

参考资料：

https://openai.com/index/lifeval/

https://x.com/sama/status/2117794005165748448

本文来自微信公众号 “新智元”（ID：AI_era），作者：ASI启示录；编辑：Aeneas，36氪经授权发布。