AIToday
大規模言語モデルAIビジネス・産業AI Weekly掲載日時: 2026年11月3日 22:00

OpenAI、日常生活のベンチマークLifeVal公開

LINEで送る
OpenAI、日常生活のベンチマークLifeVal公開

3つのポイント

  1. 何が起きたか

    OpenAIは11月2日、LifeValを公開し、GPT-6 Astraが平均報酬80.6%、GPT-5.2は49.3%、GPT-5.6は80.0%だった。

  2. なぜ重要か

    チャート上の5スコアはすべてOpenAIが自社の採点者で実行したもので、タスクセットは非公開でリーダーボードもないため、独立したランキングではなく自己採点の進捗曲線と読める。

誰に効くかチャットボットやアシスタントのベンダーを比較する企業の購買・調達担当者は、LifeValの数値をベンダー自己申告の結果として扱うべきだ。採点者、タスク、公開スコアはすべてOpenAI自身によるもので、少なくとも外部モデルが同じセットで採点できるまではそう見るべきだ。

わからないところ、AIに聞けます

質問と回答はこのページに公開されます。

こういう要約が、毎朝あなたのメールに届きます。

背景と解説

LifeValはチャット形式の評価への修正として提示されている。OpenAIの主張は、モデルが必要なクリックを完了しても不適切な結果を生むことがあるというもので、会話の質ではなく実生活から取ったタスクを中心にベンチマークを構築している。入力は外部由来だ。米国労働統計局のAmerican Time Use SurveyとMultinational Time Use Study、さらに人口構成を反映した3,995人の調査と、アシスタントに任せたい具体的なタスクを記録した約100人の参加者に基づく。

公開された曲線はGPT-5.2の49.3%からGPT-5.4の73.0%、GPT-5.5の77.4%、GPT-5.6の80.0%、Astraの80.6%へと続く。Astraの最高記録には、糖尿病と診断された親の食事準備(90.4%)、引っ越し後の適切な幼稚園への入学手続き(93.1%)、遠くにいる祖母と試合を観る(96.3%)、洪水前のボランティア管理(98.0%)が含まれる。

注意点は結果の出し方にある。タスクセットは非公開で、リーダーボードはなく、5スコアはすべてOpenAIが自社の採点者で実行したものだ。公開は、パーソナルエージェント追跡サイトがSJTUとNUSによるほぼ同じ役割の「Avatar Intelligence」の提案を取り上げたのと同じ週に重なった。日常アシスタントという枠組みは他の研究グループからも異議を唱えられているようだ。

よくある質問
LifeValはどのようなタスクを測定するのか?
LifeValは介護、健康、教育、家計管理、個人財務、買い物、行政サービスの7つの日常生活カテゴリーを網羅する。American Time Use Survey、Multinational Time Use Study、3,995人の回答者への調査、およびアシスタントに任せたい具体的なタスクを記録した約100人の参加者に基づいている。
他社のモデルをLifeValで採点できるのか?
現在はできない。OpenAIはタスクセットを公開しておらず、第三者モデルの採点も受け付けていないため、公開チャートの数値はすべて自己採点だ。
OpenAIは優れたパーソナルアシスタントのあるべき姿をどう述べているか?
OpenAIは、真に役立つためにはChatGPTが実際に物事を進める行動を取れるべきだと記している。必要なクリックを完了しても不適切な結果を生むことがあると主張している。
LINEで送る

GIGAZINE AIも報道

あなたの仕事に関係するAIニュースを、毎朝お届けします。

業界と使っているAIツールを選ぶと、仕事に関係するニュースが毎朝届きます。

登録無料・Googleアカウントなら30秒・いつでも解除できますAITodayについて →

AIに質問

この記事についてわからないことをAIに質問できます。AIはこの記事・AIToday の過去記事・Wikipedia を読み、出典を付けて答えます。Q&Aはこのページに公開され、他の読者も読めます。

質問と回答はこのページに公開されます。

このようなAIの動きを、御社の業界・競合に合わせて毎日届ける法人プランもあります → 詳しく見る

関連記事

次の記事へAIエージェント制御に逆ゲーム理論