OpenAI让AGI先学会找托儿所，网友先问隐私和AGI定义

11月2日，OpenAI发布LifeVal。

它是一个benchmark，不是新模型。OpenAI说，AGI要惠及所有人，就该帮人处理最重要的日常任务，于是用数千名ChatGPT用户的反馈做了这套测试，覆盖找托儿、访问政府服务、管理个人财务等场景。过去一年，OpenAI用LifeVal衡量并改进模型处理这些任务的能力。

这句话听起来温和，实际把AGI的考核标准往生活琐事上拽。写论文、解数学题当然难，但找托儿所要确认预约还是只给候选名单，政府服务是填完表还是打通电话，这些边界模糊的事更难被benchmark说清楚。有网友在评论区直接写，如果模型能打通HMRC的电话，那就是AGI。比起解题，电话排队系统更像现实世界的图灵测试。

评论区不像发布会那么整齐。

有网友担心隐私：找托儿和政府服务意味着它看见你的一切，他希望这种能力跑在自己的机器上，否则宁可不要。也有人追问Terra在LifeVal上排在哪，还有人问页面为什么不显示6.1 Sol和Terra。另一个具体问题是，找托儿这一项通过，到底算确认预约，还是只算短名单。

有人贴了一张三格梗图：学生用ChatGPT糊作业，出题的也是ChatGPT，最后是老师。图里角色坐在车里，表情从惊讶到阴郁。这个梗放在LifeVal下面很合适。日常任务麻烦的地方是验收：谁说了算，按什么标准算过。

也有正面反馈。有网友说，SOL上个月帮他办了图书卡，还从亚马逊愿望清单里找到图书馆免费有声书。他判断，各种政府项目的注册量可能很快上涨。另有人说，LifeVal从真实时间使用调查开始，还包含国际样本，这个起点不错。

批评同样直接。有人看到AGI就停止阅读，认为OpenAI离AGI很远。有人问，当前模型已经在数学、物理、工程和生物上取得进展，为什么还要急着下一跃。还有人把LifeVal看成“打不过就建个新benchmark”。更激烈的一条长回复批评OpenAI闭源，拿4系列模型API关停和超过2.4万人签名保留4o说事。这些声音不一定代表多数，但它们说明AGI口号会放大信任问题。

LifeVal真正的价值，可能落在把模型能力拆成可验收的小事上。AGI三个字反而容易把讨论带偏。找托儿、填政府表、处理财务，每一项都能逼出具体问题：任务完成没有，失败在哪一步，能不能重复。但验收标准要经得起追问。网友问的隐私、模型分数、通过定义，都是benchmark设计躲不开的题。

至于能不能打通HMRC电话，等有人真测了再说。