LifeVal: a OpenAI põe seus modelos à prova da vida cotidiana, mas elabora e corrige a prova em casa

Em 2 de novembro de 2026, a OpenAI apresentou o LifeVal, um benchmark que mede o quanto um modelo consegue dar conta de tarefas da vida privada. O anúncio veio na página oficial da empresa e em uma publicação de sua conta no X.

Uma nota de método que vale para todo o resto do artigo: salvo indicação em contrário, a construção do benchmark, as pontuações e os exemplos foram retirados do AI Weekly e do CellCog, que citam a página oficial do LifeVal. Os dados presentes em apenas um dos dois veículos estão sinalizados.

O escopo abrange sete áreas: cuidado com familiares, saúde, educação, gestão da casa, finanças pessoais, compras e relação com os serviços públicos. Segundo o CellCog, não basta dar um bom conselho: o modelo precisa agir, ou seja, navegar na web, usar o computador e passar pelos conectores. “Para que a AGI beneficie toda a humanidade, ela deveria ajudar as pessoas nas tarefas cotidianas que mais importam para elas”, diz a publicação da empresa no X, aqui em nossa tradução. O LifeVal estende à vida fora do escritório a abordagem do GDPval, o benchmark com o qual a OpenAI havia medido seus modelos em tarefas profissionais em 2025. Ele chega no momento em que os grandes laboratórios impulsionam os chamados assistentes agênticos e desloca a régua de avaliação da qualidade da resposta para o resultado da ação.

De acordo com os dois veículos, a OpenAI usou o LifeVal internamente por cerca de um ano para acompanhar e melhorar seus modelos nessas tarefas. A lista de atividades vem de três fontes: a American Time Use Survey do Bureau of Labor Statistics dos Estados Unidos, o Multinational Time Use Study e uma nova pesquisa com 3.995 entrevistados sobre onde gostariam da ajuda de um assistente, que a empresa define como demograficamente representativa. Segundo apenas o AI Weekly, cerca de cem participantes também anotaram tarefas específicas que gostariam de delegar. “Para ser um assistente pessoal realmente útil, o ChatGPT deveria saber realizar ações que resolvem as coisas”, escreve a OpenAI na página do LifeVal, em nossa versão. As pontuações médias publicadas sobem de 49,3% do GPT-5.2 para 73,0% do GPT-5.4, depois para 77,4% do GPT-5.5, 80,0% do GPT-5.6 e 80,6% do GPT-6 Astra. Entre os exemplos indicados pela OpenAI estão a matrícula na pré-escola certa depois de uma mudança (93,1%), a organização de voluntários antes de uma enchente (98,0%), as refeições para um pai ou mãe com diagnóstico recente de diabetes (90,4%) e uma partida assistida a distância com a avó (96,3%). O AI Weekly atribui essas pontuações às melhores tentativas registradas do GPT-6 Astra. O CellCog também relata tarefas em que a melhor tentativa registrada do GPT-6 Astra chegou a 100%, como agendar a revisão do carro, fazer uma compra de mercado halal dentro de um orçamento e cancelar a inscrição em listas de e-mail. Vale lembrar que se trata da melhor tentativa, não da média.

Restam muitas zonas de sombra. O conjunto de tarefas não é público, não existe um ranking e nos resultados não aparece nenhum modelo da Anthropic, do Google, da xAI ou da Meta. Segundo o AI Weekly, a avaliação é conduzida e corrigida pela OpenAI com seus próprios sistemas. Nas fontes consultadas, a empresa não informa quantas são as tarefas, que critério está por trás do reward, em quantas tentativas a média é calculada, nem se os testes acontecem em sites reais ou em cópias de teste. Também não está claro se os 3.995 entrevistados eram usuários do ChatGPT, já que a publicação da OpenAI fala de feedback coletado de milhares de usuários do ChatGPT. Quanto aos números, o salto do GPT-5.6 para o GPT-6 Astra vale seis décimos de ponto e a curva parece se estabilizar em torno de 80%. A OpenAI não explica se o limite está nos modelos ou nas tarefas. O LifeVal faz a pergunta certa: não apenas se o assistente respondeu bem, mas se de fato resolveu a pendência. Só que uma prova elaborada, feita e corrigida pela mesma mão conta mais sobre a direção do que sobre a linha de chegada. Se um dia as tarefas se tornarem públicas, ou se um modelo concorrente for submetido à mesma prova, esse será o número a ler com atenção.

— Olya