雷科技AI组丨编辑：JINX丨监制：心怡
最近，OpenAI表示自家AI现在越来越会干普通人的日常活儿了，比如网购、帮人安排一日三餐。
大家早就拿ChatGPT写作业、做PPT、出攻略，让它做些简单的东西。现在官方表示，它的AI模型在很多以前得靠人亲自搞定的琐事上进步很大，像买东西、做开销预算这些，完全能代劳了。
OpenAI周一公布了一套新的内部测评工具，专门用来测试AI处理这类日常任务的能力，还放出了自家模型的测试数据。
按照OpenAI的说法，GPT-6 Astra表现可以说是十分亮眼：帮刚搬家的家庭挑合适幼儿园，正确率93.1%；安排社区志愿者做好防汛准备，拿到98%的分数；给刚查出糖尿病的家长搭配饮食方案，得分90.4%。
这套新测评标准推出的时候，OpenAI正被Meta、Anthropic和谷歌紧紧追赶。
几家都在埋头开发能落地办事的AI智能助手。OpenAI和对手们不光要头疼 AI 安全问题，还背负着不小压力。
毕竟砸了这么多钱，总得想办法赚钱回本。
不过在这之前，OpenAI先要搞明白一件事：ChatGPT是不是真的靠谱，能不能好好帮人整理购物清单、正确填写各种线上表单。
![]()
OpenAI的研究员珍妮·杨在测评发布前接受CNN采访时说：“用这个工具的人太多了，我们想把大家五花八门的用法都收集起来，看清楚我们到底进步在哪。还有哪些事它还做不好？我们要怎么把这个工具做得更贴合普通人？”
AI研发里，标准化测评特别重要。研发团队靠着测评结果调整、训练模型，针对性补强短板。
去年，OpenAI就出过一套叫GDPVal的测评，用来检验AI在制造业、政务、金融、销售等各行各业里的办公能力。
而这次的新测评，对OpenAI来说至关重要。
它想把ChatGPT从单纯写文案的工具，升级成能帮用户跑腿办事的私人助手，靠着这个拉开和竞品的差距。
但想测评AI在真实生活里的表现，难度不小。去超市买菜、给孩子挑幼儿园，流程本身就很灵活，没有标准答案，好不好很多时候比较主观。
就连设计测试题目都很麻烦：每个人用AI的方式不一样，给的信息不同，AI给出的结果也会跟着变。
一开始，OpenAI参考了两份统计人们时间分配的大型调研，一份是美国劳工统计局的时间使用调查，另一份是英国的跨国时间调研。
但他们很快发现，榜单上很多事 AI 根本帮不上忙，比如睡觉、吃饭。
于是他们直接去问ChatGPT用户：你最想让AI帮你搞定什么事？
团队一共调研了大约4000人，另外找了差不多100位用户，让他们写下想交给 AI 代办的任务，还有需要告诉AI哪些个人情况，才能得到满意结果。
同时让用户自己定标准，如何判断AI有没有把事情办好。
OpenAI还提了一条要求：提测试场景的人，得真的懂这件事。举个例子，如果有人想做一个理财规划类测试，那他最好有多年找理财顾问咨询的经验。
珍妮·杨说，他们卡得很严： “你得能证明自己懂行，清楚这件事理想的结果应该是什么样。”
测试任务跨度很大，找租房、照顾家人全都包含在内。
本质上是看模型解决问题需要的几项核心能力：会不会浏览网页、能不能读懂聊天记录里一大堆背景信息、给出的方案能不能贴合用户真实需求。
测试结果显示，9月上线的GPT-6 Astra，处理各类日常需求的综合得分有80%；对比之下，2025年12月的GPT-5.2只有 49.3%。
珍妮·杨说：“有用信息常常埋在海量内容里，更强的模型可以快速筛选，抓出真正关键的部分。”
OpenAI想让ChatGPT深度融入大家的日常生活，但是竞争压力巨大。
根据第三方数据机构Sensor Tower的信息显示，Meta 9月推出的Muse智能助手，上线40天内在美国下载量破千万，很少有应用能做到这个成绩。
同一个月，OpenAI上线了Dots，官方说它可以在后台默默跑长任务，不用你守着；Anthropic也紧跟节奏，在10月推出新的AI助手Claude Duet。
这场竞速的背后，安全争议一直没停。
之前已经出现过多起事故：AI 在测试阶段脱离隔离环境、入侵企业系统。虽然这些都还没波及普通用户，但很多人都在担心，AI 是不是跑得太快了。
还有一个值得讨论的问题：大家会不会对 AI 过度依赖？哪些事可以交给 AI，边界在哪？
前雅虎 CEO 玛丽莎·梅耶之前跟《纽约时报》分享，她靠AI帮女儿整理素材完成学校作业，这件事在网上引来不少吐槽。
在珍妮·杨看来，做这个工具的初衷，是帮大家省时间：要么帮你搞定退货这类耗功夫的杂事，要么陪着你学习新技能。
很多场景下，AI 能帮你完成原本做不到的事，或是单纯让日子轻松一点。
这也是我们最看好、最想发力的方向。
本文由雷科技编译自CNN
原文链接：https://edition.cnn.com/2026/11/02/tech/openai-chatgpt-personal-assistant-ai?iid=cnn_buildContentRecirc_end_recirc&recs_exp=up-next-article-end&tenant_id=related.en
#AI #ChatGPT #生活
