OpenAI presenta LifeVal para evaluar tareas cotidianas

OpenAI presentó LifeVal el 2 de noviembre para evaluar modelos de inteligencia artificial en tareas cotidianas que requieren contexto personal y acciones, no solo respuestas conversacionales. Abarca 148 categorías. El estudio metodológico está fechado el 3 de noviembre de 2026. Anuncio de OpenAI · Estudio de LifeVal

Cómo se comprueba una tarea

Los encargos pueden requerir consultar conversaciones, memorias y archivos personales, usar aplicaciones, completar formularios o realizar transacciones digitales. Se ejecutan en entornos de aprendizaje por refuerzo, espacios controlados donde el modelo actúa con un navegador sobre una versión sin conexión de la web. Cada tarea tiene una rúbrica, criterios para puntuar su cumplimiento. Estudio de LifeVal

La prueba contiene 169 tareas y compara GPT-5.2, GPT-5.4, GPT-5.5, GPT-5.6 y GPT-6 Astra. Utiliza dos evaluadores automatizados basados en GPT-5.6: uno examina respuestas, archivos y cambios del entorno; otro detecta manipulaciones, que reciben puntuación cero. Estudio de LifeVal

Qué representan sus cifras

Según el estudio, la encuesta de disposición a pagar reunió a 3.837 personas, con selección demográfica orientada a Estados Unidos. Cada participante valoró un subconjunto aleatorio de hasta 30 categorías. Tras aplicar controles de comprensión y atención, conservaron 1.826 respuestas y estimaron para las 148 categorías una disposición a pagar superior a 1,7 billones de dólares anuales en Estados Unidos. Son valoraciones de asistencia hipotética, no gasto observado. Estudio de LifeVal

El anuncio publica resultados ilustrativos para comparar jardines infantiles (93,1%), organizar voluntarios antes de una inundación (98,0%) y buscar vivienda (100%). Son porcentajes de esos ejemplos publicados por OpenAI, no una tasa general de éxito de LifeVal. Anuncio de OpenAI

El estudio identifica recomendaciones incorrectas y omisiones de información personal. Sus datos de uso del tiempo llegan hasta 2021; la encuesta se realizó en inglés y se centró en Estados Unidos. Estudio de LifeVal