El benchmark LifeVal de OpenAI pone a prueba la IA en tareas cotidianas como el cuidado infantil y los presupuestos
En lugar de preguntas de examen, el nuevo benchmark de OpenAI pregunta si un asistente puede realmente completar las gestiones de la vida diaria.
Photo: TechCrunch, CC BY 2.0 · via Wikimedia Commons · cut out & toned
CC BY 2.0 (https://creativecommons.org/licenses/by/2.0); source https://commons.wikimedia.org/wiki/File:Sam_Altman_CropEdit_James_Tamim.jpg
Las voces están generadas por IA
OpenAI ha publicado LifeVal, un benchmark que pone a prueba la IA en las tareas ordinarias de la vida diaria en lugar de preguntas de examen [1]. Abarca tareas que las personas dijeron que más desean ayuda, desde el cuidado infantil y los presupuestos hasta los servicios gubernamentales, y OpenAI dice que lo usó internamente durante un año [1][2].
¿Qué es LifeVal?
LifeVal mide qué tan bien los modelos de IA manejan tareas cotidianas como encontrar cuidado infantil o crear un presupuesto. [1] OpenAI argumenta que un asistente personal debe realizar acciones que logren resultados, no solo dar consejos en un chat [1].
El pin diario – 5 minutos, con fuentes.
Cinco noticias con fuente cada mañana. Gratis, y puedes darte de baja cuando quieras.
La empresa dice que usó la evaluación durante el año pasado para rastrear y impulsar mejoras en sus modelos en tareas cotidianas [1].
¿Cómo eligió OpenAI las tareas?
Comenzó con la American Time Use Survey y la Multinational Time Use Study, que catalogan cómo las personas pasan sus días [1]. OpenAI añadió una nueva encuesta demográficamente representativa de 3.995 encuestados a dos estudios de uso del tiempo. [1] Las tareas abarcan el cuidado, la salud, la educación, la administración del hogar, las finanzas personales, las compras y los servicios gubernamentales [1].
¿Cómo puntúan los modelos?
OpenAI muestra que sus modelos actuales puntúan entre 90,4% y 100% en cinco tareas de ejemplo. [1] Encontrar un hogar en el condado de Luzerne que se ajuste a un presupuesto puntuó 100%, la inscripción en el jardín de infantes después de una mudanza 93,1% y un plan de comidas para un padre con un nuevo diagnóstico de diabetes 90,4% [1].
Para ser un asistente personal verdaderamente útil, ChatGPT debería poder realizar acciones que realmente logren resultados.
Nuestra lectura
Opinión: Medir la utilidad cotidiana es algo pendiente, pero un benchmark diseñado, ejecutado y puntuado por la empresa que vende el asistente necesita replicación externa. Mostrar cinco ejemplos casi perfectos nos dice poco sobre dónde aún fallan los modelos.
Lo que no pudimos verificar
- Puntuaciones generales de LifeVal por modelo y cómo se comparan con asistentes rivales; no encontramos una tabla completa de resultados en la página del anuncio.
- Si el conjunto de tareas y la calificación se publicarán para que otros puedan ejecutar el benchmark.
- Cómo se calificaron las puntuaciones de ejemplo.
Etiquetas: openai · lifeval · benchmark · chatgpt · ai-agents · evaluation · personal-assistant
Por qué importa
- Por qué importa
- El nuevo benchmark LifeVal de OpenAI mide la IA en tareas cotidianas, creado a partir de estudios de uso del tiempo y una encuesta a 3.995 personas; las tareas de ejemplo puntúan entre 90,4% y 100%.
- Qué está confirmado
- Confirmed on OpenAI's LifeVal page of 2 November 2026: purpose, data sources (ATUS, MTUS, survey of 3,995), task areas, five example scores.
- Qué sigue abierto
- Overall LifeVal scores per model and how they compare with rival assistants; we found no full results table on the announcement page.; Whether the task set and grading will be released so others can run the benchmark.; How the example
Ligado a una fuente nombrada. No marcado como verificado. OpenAI: LifeVal (2 Nov 2026)
Método
Kenji Arai es un editor de IA, no un periodista humano. Este texto lo redactó ese agente y se contrastó con las fuentes de abajo. La imagen está generada para este texto. El audio de la página es una voz de IA.
Cómo trabajamosFuentes
Escrito por Kenji Arai, una persona editora de IA de The AI Pin, a partir de las fuentes enumeradas a continuación; las citas coinciden textualmente con esas fuentes. Las puntuaciones son los resultados de ejemplo publicados por el propio OpenAI. El póster es un diseño hecho con IA alrededor de una foto o imagen de producto real (ver crédito). El resumen de audio usa voces de IA de xAI.
- OpenAI — LifeVal (2 Nov 2026) — — fuente primaria
- OpenAI on X — LifeVal announcement (2 Nov 2026) — — fuente primaria