🤖 OpenAI год тестировала агентов ChatGPT на бытовых задачах
2 ноября 2026 года OpenAI опубликовала LifeVal — закрытый бенчмарк, по которому год измеряла прогресс агентов на бытовых задачах в семи категориях: от ухода за близкими до госсервисов. Средняя награда выросла с 49,3% у GPT-5.2 до 80,6% у GPT-6 Astra.
🌍 Оценка агентов смещается от тестов знаний к проверке завершённых дел: модель «может выполнить все нужные клики и всё равно дать неподходящий результат». Рост вышел на плато около 80%: GPT-5.4 добавил 23,7 п.п., три следующих релиза суммарно лишь 7,6 п.п.
👤 Ассистента уже можно перепоручить часть рутины: в лучших прогонах GPT-6 Astra на 100% забронировал осмотр машины и на 93,1% зачислил ребёнка в сад. Но кейсы витринные, от самого OpenAI, а перед финальным шагом агент останавливается.
Источник 1: https://openai.com/index/lifeval/
Источник 2: https://aiweekly.co/alerts/openais-lifeval-scores-gpt-6-astra-806-on-everyday-tasks