OpenAI 日常办事考卷只晒五道高分题

日常办事的智能体成绩改由厂商用自选例题公开，任务集与跨厂商对比都没有。OpenAI 在 11 月 2 日发布 LifeVal，说要用日常任务衡量模型能不能「把事办完」，而不只是聊天给建议。

打开页面，读者最先看到的不是一张总榜，而是五道高分例题。我们的判断是：这套公开材料适合回答「OpenAI 想强调哪类日常能力」，不适合回答「哪家模型更会办杂事」。

打开页面先看到五道例题

据 OpenAI 的页面，五道展示题得分是：选幼儿园 93.1%、汛前组织志愿者 98.0%、按预算与通勤找房 100%、远程陪看比赛 96.3%、家长餐食照护计划 90.4%。

页面写的是「当前模型」在这些流程上的表现，没有给每道题对应的模型名，也没有写每题跑了几次。

Neural Brew 在 11 月 2 日打开同一页时记录：正文没有总分、没有任务总数、没有其他公司模型的结果。Apidog 次日复盘也写明，这五张卡片是 OpenAI 挑出来的例子，不是随机抽样。

任务从哪来，考的是什么动作

据 OpenAI，任务清单先对照美国时间使用调查和跨国时间使用研究，再补一份人口统计代表性的 3995 人问卷，问人们最希望个人助理帮忙的领域。页面点名的领域包括照护、健康、教育、家务行政、个人财务、购物和政府服务。

它强调的是把流程做完：通过浏览器使用、电脑操作和连接器采取行动，而不停在聊天建议。页面称，这套评测过去一年已经用来衡量并推动模型在日常任务上的改进。这些都是企业自己的说法，口径写进「企业宣称」。

页面上核对不到的三件事

把页面当考卷读，缺三样东西。第一，完整题目与评分细则没有下载入口，外人无法复现。第二，没有跨厂商对照，Claude、Gemini 或开源权重都不在展示里。第三，五道例题全在九成以上，读者看不到低分题长什么样。

Apidog 的复盘把边界写得更直白：没有公开任务集，也没有公开排行榜，更没有说明阅卷员怎么标定。

页面上另有交互图，有媒体从中读出总分与任务数。本站没有独立打开并核对那些图，正文不以交互图数字下结论。

怎么读才不把展板当成总榜

分析推断（依据：页面只展示自选高分例题，Neural Brew 与 Apidog 均确认缺总分与跨厂商）：把 LifeVal 公开页当成「厂商展板」。

它能说明 OpenAI 正把日常办事做成产品叙事，并把浏览器、电脑操作和连接器绑在同一套故事里。它不能说明 ChatGPT 在日常杂事上已经压过别家，也不能用五道例题外推到未展示的任务。

反方也成立：OpenAI 称内部已用一年，完整内部成绩可能比展示页细。即便如此，读者此刻能逐条核对的，仍只有厂商挑过的例题。

未知项同样清楚：任务全集与平均分会不会公开，评分细则会不会交给第三方复现。在那之前，日常办事能力仍要靠自己的真实流程测，而不是把这五道题当排行榜。