OpenAI 11 月 2 日发了 LifeVal，用来量模型做日常生活任务的表现。页面给的未加权平均奖励：GPT-5.2 是 49.3%，GPT-5.4 是 73.0%，GPT-5.5 是 77.4%，GPT-5.6 是 80.0%，GPT-6 Astra 是 80.6%。任务池来自时间利用调查，再加上 3995 人的问卷，覆盖照护、财务、购物这些事。
我的判断是，80.6% 只说明这个集上的平均奖励，不说明 Agent 可以自己去报名、下单或改医疗计划。从 80.0% 到 80.6% 也很窄。你会把哪类生活任务明确禁掉自动执行？
