ما هو OpenAI LifeVal؟ معيار المهام اليومية

OpenAI LifeVal هو معيار تقييم يتضمّن 169 مهمة من الحياة اليومية، مثل تسجيل طفل في المدرسة، أو إدارة ميزانية منزلية، أو التعامل مع مكتب حكومي، يُنجزها وكيل ذكاء اصطناعي باستخدام المتصفح واستخدام الحاسوب والموصّلات. يُقيّم مقياس تقييمي (rubric) كل محاولة، والنتيجة هي متوسط المكافأة من 0 إلى 1. يحقق GPT-6 Astra نسبة 80.6% عند الجهد xhigh.

جرّب Apidog اليوم

هذه هي النسخة المختصرة. فيما يلي ستجد كيف بنت OpenAI معيار LifeVal، وكل نتيجة نموذج نشرتها (بما في ذلك أرقام كل مستوى جهد التي توجد فقط داخل الرسم البياني التفاعلي في الصفحة)، وما تقوله هذه الأرقام عن جهد الاستدلال، وما يغفله هذا المعيار.

ما هو OpenAI LifeVal؟

LifeVal هو معيار تقييم من OpenAI Research، يقيس مدى إتمام النموذج لأعمال الحياة العادية بدلًا من البرمجة أو أسئلة الاختبارات. مهامه الـ169 وكيلية (agentic): يتصفّح النموذج، ويشغّل حاسوبًا، ويستدعي الموصّلات، ويقيّم مقياس تقييمي خاص بكل سيناريو النتيجة.

تذكر OpenAI سبعة مجالات للمهام:

• رعاية الآخرين
• الصحة
• التعليم
• إدارة شؤون المنزل
• الشؤون المالية الشخصية
• التسوّق
• الوصول إلى الخدمات الحكومية

المقياس الرئيسي هو متوسط المكافأة. كل نقطة تحسب متوسط المحاولات داخل المهمة الواحدة، ثم تحسب متوسط متوسطات المهام الـ169 بوزن متساوٍ. نتيجة 80.6% تعني مكافأة 0.806. تشير ملاحظات الرسم البياني إلى "بدون ترجيح WTP"، وسنعود إلى ذلك لاحقًا.

كيف بنت OpenAI مجموعة مهام LifeVal

لم تخترع OpenAI قائمة المهام من الصفر. انطلقت من كيفية قضاء الناس لوقتهم فعليًا، باستخدام مجموعتَي بيانات عامّتين واستبيان خاص بها:

1. مسح استخدام الوقت الأمريكي من مكتب إحصاءات العمل الأمريكي، الذي يسجّل ما يفعله الأمريكيون ساعة بساعة.
2. دراسة استخدام الوقت متعددة الجنسيات، التي توحّد مذكرات استخدام الوقت عبر البلدان.
3. استبيانها الخاص على 3,995 مستجيبًا ممثّلين ديموغرافيًا، سُئلوا فيه عن المجالات التي يرغبون في مساعدة الذكاء الاصطناعي فيها.

تخبر بيانات استخدام الوقت OpenAI بالأنشطة التي تملأ أيام الناس. ويخبرها الاستبيان بأي من هذه الأنشطة سيسلّمه الناس لوكيل. أصبح التقاطع بينهما هو السيناريوهات الـ169.

تعرض الصفحة خمس بطاقات مهام نموذجية، ولكل منها نتيجة. هذه أمثلة اختارتها OpenAI، وليست عيّنة عشوائية:

نتائج LifeVal: كل نماذج OpenAI

يرسم الرسم البياني الأول في OpenAI كل نموذج عند جهد الاستدلال xhigh مقابل تاريخ إصداره. يستخدم GPT-6 Astra "إعداد xhigh من مدونة الإطلاق".

المنحنى حادّ ثم مستوٍ. أضاف GPT-5.2 إلى GPT-5.4 نحو 23.7 نقطة في ثلاثة أشهر. أضافت الإصدارات الثلاثة التالية 7.6 نقاط مجتمعة، وتجاوز GPT-6 Astra نظيره GPT-5.6 بـ0.6 نقطة.

لم تكن قفزة GPT-5.4 متعلّقة بالجودة فقط. عند xhigh، انخفض متوسط زمن الاستجابة من 121.0 ثانية إلى 16.7 ثانية، وعدد الرموز المولّدة من 202.0K إلى 30.6K لكل مهمة. وصل النموذج الأحدث إلى إجابة أفضل بكثير بنحو سُبع المخرجات.

لا يظهر GPT-6.1 Sol و GPT-6.1 Terra في أي من الرسمين البيانيين، رغم إطلاقهما. يتوقف الخط الزمني عند 3 سبتمبر 2026. إذا كنت تختار بين GPT-6.1 Sol و Astra لمنتج وكيل، فلن يساعدك LifeVal بعد.

LifeVal حسب جهد الاستدلال

الرسم البياني الثاني هو الأكثر فائدة، ولن تراه إلا عند تمرير المؤشر فوقه. يقسّم كل نموذج حسب جهد الاستدلال، مع أربعة أرقام لكل نقطة: المكافأة، وزمن الاستجابة، والرموز المولّدة، وتكلفة API. فيما يلي المكافأة لكل إعداد:

ملاحظة حول عمود التكلفة. تُسمّيه OpenAI تكلفة API لكنها لا تحدد الوحدة، لذا تعامل مع الأرقام أدناه على أنها "تكلفة API لكل مهمة كما هي مرسومة"، مفيدة للنسب، وليست بالدولار.

GPT-5.6 عند max يضاهي GPT-6 Astra عند max

يتقدّم GPT-5.6 عند max على Astra عند max بـ0.1 نقطة بنحو نصف التكلفة المرسومة. عند جهد متطابق، تفوّق Astra على GPT-5.6 يقل من ثلاث نقاط عند كل إعداد، و0.6 عند xhigh، ويختفي عند max. Astra أسرع قليلًا وتستخدم رموزًا أقل، لكنك تدفع مقابلها نحو ضعف الثمن في هذه المهام. يتضمن تفصيل أسعار GPT-5.6 ودليل API الخاص بـ GPT-6 Astra أسعار الرمز الواحد إذا أردت التحقق من هذه النسبة مقابل بيانات استخدامك.

المزيد من الاستدلال بعد "high" لا يشتري تقريبًا أي شيء

على GPT-6 Astra، يحقق high نسبة 80.7% ويحقق xhigh نسبة 80.6%. يكلّف الجهد الإضافي 1.4 ثانية و2.1K رمزًا إضافيًا مقابل نتيجة أقل قليلًا. يُظهر GPT-5.4 النمط نفسه: نقطة واحدة من high إلى xhigh.

تقع المكاسب الكبرى في أسفل المنحنى. نقل GPT-5.5 من low إلى medium يضيف 14.2 نقطة. ونقله من high إلى xhigh يضيف 1.8. إذا شغّل وكيلك مهامًا يومية كهذه، فإن medium أو high هو الإعداد الذي يستحق الاختبار أولًا. يشرح دليل الاستدلال من OpenAI كيفية عمل معامل الجهد في Responses API.

ما يغفله LifeVal

LifeVal إشارة مفيدة، لكنها إشارة مُعلنة ذاتيًا. قبل أن تستشهد بها، اعرف حدودها.

• ليست عامة. لا توجد مجموعة مهام قابلة للتنزيل ولا لوحة صدارة عامة، ولم تنشر OpenAI المقاييس التقييمية أو كيفية معايرة المُقيّمين لديها. لا يمكنك إعادة تشغيله.
• يقيّم نماذج OpenAI فقط. لا يظهر أي نموذج من Claude أو Gemini أو نماذج مفتوحة الأوزان، لذا لا يقول شيئًا عن مقارنة GPT-6.1 Sol مع Claude Sonnet 5.5 أو أي مقارنة أخرى بين مزوّدين مختلفين.
• توجد نسخة مرجّحة في مكان ما. يقول الرسم البياني "بدون ترجيح WTP"، وWTP تعني الاستعداد للدفع. هذا يعني ضمنيًا أن OpenAI حسبت أو نظرت في نسخة مرجّحة بما سيدفعه الناس مقابل كل مهمة، ولم تنشرها.
• بطاقات الأمثلة منتقاة يدويًا. البطاقات الخمس في الصفحة تحقق من 90.4% إلى 100%. أما متوسط المهام الـ169 لأفضل نموذج فهو 80.6%. تُظهر الأمثلة أفضل أيام المعيار، وليس يومه المعتاد.

لا شيء من هذا يجعل LifeVal خاطئًا. إنه يجعله معيارًا من مزوّد. اقرأه كما تقرأ أي رسم بياني لإطلاق منتج: كادعاء يمكنك اختباره على مهامك الخاصة.

شغّل اختبار جهد الاستدلال الخاص بك باستخدام Apidog CLI

جدول الجهد لكل مستوى في LifeVal هو منحنى مكافأة مقابل تكلفة. يمكنك رسم المنحنى نفسه لموجّهك (prompt) الخاص. بدلًا من إطلاق الطلبات يدويًا، سلّم المهمة لوكيل البرمجة لديك ودعه يشغّل Apidog CLI.

ثبّت CLI، وسجّل الدخول، وأضف مهارة Apidog إلى وكيلك:

npm install -g apidog-cli@latest
apidog auth login --with-token <YOUR_TOKEN>
npx -y skills add https://apidog.com   # pick your agent when prompted

ثم أعطِ Claude Code أو Codex أو Cursor موجّهًا واحدًا:

In Apidog project <projectId>, add a POST https://api.openai.com/v1/responses
endpoint that sends {{model}}, reasoning.effort = {{effort}} and my test prompt.
Create a test case that asserts status 200 and saves latency,
usage.output_tokens and usage.output_tokens_details.reasoning_tokens.
Add a test data set with effort = low, medium, high, xhigh, run the case
once per row against environment <envId>, and give me a table of
latency, tokens and estimated cost per effort.

يقرأ الوكيل مخطط كل حِمل بيانات، ويتحقق من صحة JSON الخاص به، ثم يكتب:

apidog cli-schema get endpoint-create
apidog cli-schema validate endpoint-create --file endpoint.json
apidog endpoint create --project <projectId> --file endpoint.json

apidog test-case category --project <projectId>
apidog cli-schema validate test-case-create --file case.json
apidog test-case create --project <projectId> --file case.json

apidog cli-schema validate test-data-create --file efforts.json
apidog test-data create --project <projectId> --file efforts.json

apidog run --test-case <caseId> --project <projectId> -e <envId> \
  -d <testDataId> -r cli,json --out-dir ./effort-runs

تغذّي العلامة -d تكرارًا واحدًا لكل صف من البيانات، وتوفّر -r cli,json للوكيل تقرير JSON لبناء الجدول منه. أضف --upload-report إذا أردت تصفح التشغيلات في تطبيق Apidog لاحقًا. تسرد مرجع أمر apidog run كل العلامات، ويغطي دليل إعداد Claude Code جانب الوكيل.

شغّله على خمس أو عشر من موجّهاتك الحقيقية، لا على واحد. يحسب LifeVal متوسط 169 مهمة لسبب: موجّه واحد سيخبرك أكثر عن التباين من الجهد.

هل يجب أن تثق بـ LifeVal عند اختيار نموذج؟

استخدمه للتوجيه، لا للقرارات. يخبرك LifeVal بثلاثة أمور يمكنك التصرف بناءً عليها: أن نماذج OpenAI تحسّنت كثيرًا في المهام اليومية متعددة الخطوات بين ديسمبر 2025 ومارس 2026، وأن المكاسب منذ ذلك الحين صغيرة، وأن جهد الاستدلال فوق high نادرًا ما يستحق في هذا النوع من العمل.

ما لا يمكنه إخبارك به هو كيف سيحقق نموذج غير تابع لـ OpenAI نتيجة، ولا كيف تُقارَن مهامك بمهام OpenAI الـ169، ولا ما يكافئه المُقيّم. لذلك، شغّل مسح الجهد الخاص بك، كما ورد أعلاه، وقارن الأرقام التي يمكنك رؤيتها. يُعدّ اختبار GPT-6 Astra العملي نقطة انطلاق لنوع الفحوصات التي تستحق التشغيل.

الأسئلة الشائعة

ماذا يعني اسم LifeVal؟

لا تشرح OpenAI الاسم في الصفحة. إنه تقييم ("Val") لمهام الحياة اليومية ("Life"): 169 سيناريو وكيليًا عبر رعاية الآخرين، والصحة، والتعليم، وإدارة شؤون المنزل، والشؤون المالية الشخصية، والتسوّق، والخدمات الحكومية.

ما هي نتيجة GPT-6 Astra في LifeVal؟

80.6% متوسط مكافأة عند جهد xhigh، وهو الإعداد الذي استخدمته OpenAI في مدونة إطلاق Astra. عند جهد max يحقق Astra 82.5%، وعند high يحقق 80.7%.

هل يمكنني تشغيل LifeVal بنفسي؟

لا. لم تنشر OpenAI مجموعة المهام أو المقاييس التقييمية أو أداة التقييم. يمكنك محاكاة تحليل الجهد مقابل التكلفة على موجّهاتك الخاصة باستخدام إطار اختبار مثل Apidog CLI، لكن لا يمكنك إعادة إنتاج نتائج LifeVal.

هل يتضمن LifeVal نماذج Claude أو Gemini؟

لا. يتضمن كلا الرسمين البيانيين نماذج OpenAI فقط، من GPT-5.2 إلى GPT-6 Astra. كما يغيب GPT-6.1 Sol و GPT-6.1 Terra أيضًا.

هل عمود التكلفة في LifeVal بالدولار؟

تُسمّيه OpenAI تكلفة API لكنها لا تحدد الوحدة. استخدمه لمقارنة الإعدادات ببعضها، مثل GPT-5.6 max عند 9.65 مقابل Astra max عند 20.04، بدلًا من اعتباره قيمة دولارية لكل مهمة.

أي جهد استدلال يجب أن أستخدم لمهام الوكيل اليومية؟

في LifeVal، يلتقط medium أو high معظم المكسب. يحقق GPT-6 Astra نسبة 80.7% عند high و80.6% عند xhigh، لذا اختبر medium و high على مهامك الخاصة قبل أن تدفع أكثر.