OpenAI anunció LifeVal el 2 de noviembre de 2026 como una evaluación interna de tareas cotidianas para sus modelos, según el reportaje de CNN. El benchmark aborda actividades como buscar un centro educativo, organizar cuidados y hacer compras; también evalúa navegación web, uso del contexto del historial de chat y adaptación de las respuestas a las necesidades de cada persona.
LifeVal se centra en tareas personales; GDPVal, otro benchmark de OpenAI descrito por CNN, evalúa competencias laborales. Para situar a GPT-6 Astra desde otra perspectiva, puedes leer el análisis previo de NeoTeo sobre el modelo como agente.
Cómo se diseñaron las tareas
OpenAI recurrió a encuestas sobre uso del tiempo y consultó a usuarios de ChatGPT para definir tareas y criterios de evaluación, según CNN. El reportaje cifra en alrededor de 4.000 las personas encuestadas y en unas 100 el grupo menor que propuso tareas, aportó contexto personal y elaboró rúbricas, es decir, criterios para juzgar si una respuesta cumple el objetivo.
Quienes proponían tareas debían demostrar experiencia o conocer bien qué aspecto tendría un resultado satisfactorio. Entre las habilidades evaluadas estaban navegar por sitios web, aprovechar información del historial de chat y adaptar las conclusiones a las necesidades de cada usuario.
Las puntuaciones comunicadas para los modelos
La descripción del vídeo de Compute Loading enumera cinco puntuaciones como recompensa media no ponderada, con el nivel de esfuerzo «xhigh». La serie va del 49,3 % de GPT-5.2 al 80,6 % de GPT-6 Astra:
| Modelo | Recompensa media no ponderada comunicada |
| GPT-5.2 | 49,3 % |
| GPT-5.4 | 73,0 % |
| GPT-5.5 | 77,4 % |
| GPT-5.6 | 80,0 % |
| GPT-6 Astra | 80,6 % |
CNN informa por separado de un 80 % para el rendimiento general de GPT-6 Astra en tareas cotidianas y de un 49,3 % para GPT-5.2. La cobertura de CNN presenta la primera cifra como rendimiento general; la descripción del vídeo presenta el 80,6 % como recompensa media no ponderada con esfuerzo «xhigh».
CNN también atribuye a GPT-6 Astra un 93,1 % en una tarea de búsqueda de escuela infantil tras una mudanza, un 98 % al coordinar voluntariado ante una inundación y un 90,4 % al elaborar un plan de comidas para un progenitor con un diagnóstico reciente de diabetes.
Qué indican los resultados
LifeVal recoge resultados de una evaluación interna de OpenAI, no mediciones independientes. Las puntuaciones se refieren a las tareas descritas por el benchmark; por sí solas no indican cómo responderá un modelo ante cualquier encargo cotidiano ni garantizan que complete tareas reales de forma fiable.
La metodología, según el reportaje de CNN, intenta acercar la evaluación a necesidades concretas de los usuarios. Eso da contexto a las tareas y a sus criterios, pero las puntuaciones siguen siendo resultados atribuidos a la evaluación de OpenAI.