辦過政府手續的人大概都懂，最累的不是查資料，是按下送出之前那一步。少一份文件、填錯一個欄位，就是重跑一趟，所以多數人都會自己從頭再核對一遍。

看到OpenAI公布LifeVal，我第一個想到的就是這件事。

這個測驗到底在考什麼

LifeVal是OpenAI在11月2日公布的新評測，專門測AI能不能處理一般人的生活瑣事。找幼兒園、買菜、辦政府福利、照顧生病的家人，都是這種需要一步一步處理的事。

題目的來源我覺得蠻用心。OpenAI參考了美國和多國的時間使用調查，看大家一天的時間花在哪裡，又找了3995個人，直接問他們最希望AI幫忙處理什麼。所以涵蓋的範圍是育兒、醫療、購物、理財、教育這些，不是考試題，是日子。

80.6分，但曲線其實早就平了

OpenAI的圖表上，GPT-5.2是49.3分，GPT-5.4跳到73.0分，GPT-5.5是77.4分，GPT-5.6是80.0分，最新的GPT-6 Astra是80.6分。

我把這串數字看了兩遍。從GPT-5.2到5.4，漲了快24分。之後三代加起來，只多了7.6分，最新這一代比上一代只多0.6分。

所以標題上的80.6分是真的，但它講的故事不是「AI越來越會過日子」，比較像「前面很快學會了，後面開始卡在比較難的那一小塊」。

100分的找房子，做到哪一步

官方放了一些高分案例。據BlockBeats的整理，幫一家人找房子拿到100分，AI找到符合預算和通勤要求的房源，算好房產交易稅，把相關文件加入購物車，交給用戶審核。搬家後挑幼兒園拿到93.1分，AI篩出三間候選學校，整理好入學資訊。（官方頁面我這次沒有直接讀到，這段案例細節以二手整理為準。）

我注意到的是那個動詞：加入購物車，供用戶審核。

這個100分做到的是「把一切準備到你只要按下去」。而開頭講的那個最累的地方，剛好就在按下去之前。AI做完九成，但你不敢直接信，還是得自己從頭核對一遍，那省下的時間其實沒有分數看起來那麼多。測驗把「準備」算進分數，把「放心」留在分數外面。

自己出題，自己評分

還有一件事得說清楚。LifeVal是OpenAI自己設計、自己評判的內部測驗，過去一年已經拿來指導模型改進，公布的也只有自家模型的分數。

任務總共有幾題、平均分數是怎麼打的、有沒有固定的評分標準、是跑在真實網站還是測試用的複本，這些目前都沒有公開。另外官方列了六個任務是GPT-6 Astra「最好的一次」拿到100分，那是最佳成績，不是平均。

拿自己的題目追蹤自己的進步，本來就是內部測驗該做的事。但如果你要拿80.6分去判斷「AI現在能不能幫我處理家裡的事」，我會先停一下。

曲線變平，我猜卡在最後那一步

前面那條曲線為什麼會變平，官方沒有說，下面是我自己的猜測。前面學得快的，大概是查資料、比對、整理這類「準備」的工作。後面卡住的，比較可能是不能反悔的動作，還有現實裡那些沒寫在規則上的例外。這種事再多訓練幾輪，分數也不一定漲得動，因為難的已經不是知道答案，而且就算測驗給了100分，現實裡的摩擦還是省不掉。

如果要自己用AI做事

做自動化的時候，與其追求從頭到尾全自動，不如刻意留一個「購物車」。

讓AI把資料查完、算完、草稿寫完，全部放進待確認區，但送出去的那一下一定停在人手上。調整的重點也不是讓他更聰明，是讓審核更快：每個結論附上來源連結，不確定的地方讓他自己標出來，人只要看標紅的部分就夠了。

如果你也在替自己的小生意做自動化，可以先想這一件事：你的工作流程裡，哪一步是按下去就收不回來的？那一步之前，讓AI做到一百分都沒關係。

看LifeVal的分數，我看的就是這個。