LifeVal, OpenAI mette i suoi modelli alla prova della vita quotidiana, ma l'esame lo scrive e lo corregge in casa

Il 2 novembre 2026 OpenAI ha presentato LifeVal, un benchmark che misura quanto un modello sappia portare a termine incombenze della vita privata. L'annuncio è arrivato sulla pagina ufficiale dell'azienda e con un post del suo account su X.

Una nota di metodo che vale per tutto il resto dell'articolo: salvo dove indicato, la costruzione del benchmark, i punteggi e gli esempi sono ripresi da AI Weekly e CellCog, che citano la pagina ufficiale di LifeVal. I dati presenti in una sola delle due testate sono segnalati.

Il perimetro copre sette aree: assistenza ai familiari, salute, istruzione, gestione della casa, finanze personali, acquisti e rapporti con i servizi pubblici. Secondo CellCog non basta dare un buon consiglio: il modello deve agire, cioè navigare sul web, usare il computer e passare dai connettori. «Perché l'AGI vada a beneficio di tutta l'umanità, dovrebbe aiutare le persone nei compiti quotidiani che contano di più per loro», si legge nel post dell'azienda su X, qui nella nostra traduzione. LifeVal estende alla vita fuori dall'ufficio l'approccio di GDPval, il benchmark con cui nel 2025 OpenAI aveva misurato i modelli su compiti professionali. Arriva mentre i grandi laboratori spingono i cosiddetti assistenti agentici, e sposta il metro di giudizio dalla qualità della risposta all'esito dell'azione.

Stando alle due testate, OpenAI ha usato LifeVal internamente per circa un anno, per seguire e migliorare i propri modelli su questi compiti. L'elenco delle attività deriva da tre fonti: l'American Time Use Survey del Bureau of Labor Statistics statunitense, il Multinational Time Use Study e un nuovo sondaggio con 3.995 rispondenti su dove vorrebbero l'aiuto di un assistente, che l'azienda definisce demograficamente rappresentativo. Secondo la sola AI Weekly, un centinaio di partecipanti ha anche annotato compiti precisi che avrebbe voluto delegare. «Per essere un assistente personale davvero utile, ChatGPT dovrebbe saper compiere azioni che portano a termine le cose», scrive OpenAI nella pagina di LifeVal, secondo la nostra resa. I punteggi medi pubblicati salgono dal 49,3% di GPT-5.2 al 73,0% di GPT-5.4, poi al 77,4% di GPT-5.5, all'80,0% di GPT-5.6 e all'80,6% di GPT-6 Astra. Tra gli esempi indicati da OpenAI figurano l'iscrizione alla scuola dell'infanzia giusta dopo un trasloco (93,1%), la gestione dei volontari prima di un'alluvione (98,0%), i pasti per un genitore con una nuova diagnosi di diabete (90,4%) e una partita vista a distanza con la nonna (96,3%). AI Weekly attribuisce questi punteggi ai migliori tentativi registrati di GPT-6 Astra. CellCog riporta anche compiti in cui il miglior tentativo registrato di GPT-6 Astra ha raggiunto il 100%, come prenotare la revisione dell'auto, ordinare una spesa halal entro un budget e cancellarsi da mailing list. Va ricordato che si tratta del miglior tentativo, non della media.

Restano parecchie zone d'ombra. Il set di compiti non è pubblico, non esiste una classifica e nei risultati non compare alcun modello di Anthropic, Google, xAI o Meta. Secondo AI Weekly, la valutazione è condotta e corretta da OpenAI con i propri sistemi. Nelle fonti consultate l'azienda non indica quanti siano i compiti, quale criterio stia dietro il reward, su quanti tentativi sia calcolata la media, né se le prove si svolgano su siti reali o su copie di test. Non è chiaro nemmeno se i 3.995 rispondenti fossero utenti ChatGPT, dato che il post di OpenAI parla di feedback raccolti da migliaia di utenti ChatGPT. Quanto ai numeri, il passo da GPT-5.6 a GPT-6 Astra vale sei decimi di punto e la curva sembra assestarsi intorno all'80%. OpenAI non spiega se il limite stia nei modelli o nei compiti. LifeVal pone la domanda giusta: non solo se l'assistente abbia risposto bene, ma se abbia davvero chiuso la pratica. Però un esame scritto, svolto e corretto dalla stessa mano racconta la direzione più che il traguardo. Se un giorno i compiti diventassero pubblici, o se un modello concorrente venisse sottoposto alla stessa prova, sarebbe quello il numero da leggere con attenzione.

— Olya