LifeVal-Benchmark: GPT-6 Astra schlägt GPT-5.2 mit 80 zu 49,3 Prozent

Das US-amerikanische KI-Unternehmen OpenAI hat mit LifeVal ein neues internes Testverfahren vorgestellt, mit dem sich die Leistungsfähigkeit von Sprachmodellen bei alltäglichen Herausforderungen messen lässt.

Der Benchmark konzentriert sich auf persönliche Pflichten wie die Kinderbetreuung, persönliche Finanzen, Einkäufe und Behördengänge. Im Gegensatz zu Tests wie GDPVal rücken damit lebensnahe Routinen und individuelle Lebenssituationen in den Mittelpunkt.

Umfragen und Nutzerkontexte als Bewertungsgrundlage

Für die Entwicklung von LifeVal stützte sich OpenAI auf Erhebungen wie den American Time Use Survey und die Multinational Time Use Study sowie auf eine demografisch repräsentative Umfrage mit 3.995 Befragten. Das Spektrum des Testverfahrens deckt die Bereiche Pflege, Gesundheit, Bildung, Haushalt, Finanzen, Einkaufen und Behördengänge ab.

An der inhaltlichen Ausgestaltung waren rund 100 Nutzer beteiligt, die spezifische Aufgaben formulierten, persönlichen Kontext lieferten und Bewertungsregeln aufstellten. Voraussetzung für die Autoren war der Nachweis relevanter eigener Erfahrungen in den jeweiligen Themenfeldern.

Ein zentrales Merkmal des Benchmarks liegt darin, nicht allein die formale Korrektheit einer Antwort zu prüfen, sondern zu bewerten, wie gut ein Ergebnis zu einer bestimmten Person und deren individueller Situation passt.

Testergebnisse von GPT-6 Astra und Vorgängermodellen

OpenAI nutzte das Verfahren nach eigenen Angaben bereits seit einem Jahr intern, um browser-, computer- und konnektorbasierte Fähigkeiten zu steuern und die Modellleistung bei praktischen Anwendungen schrittweise zu verbessern. Geprägt wurde LifeVal zudem durch Rückmeldungen tausender ChatGPT-Nutzer, bevor nun die öffentliche Vorstellung erfolgte.

Wer sich mit der Einführung leistungsfähiger KI-Systeme befasst, muss auch die rechtlichen Rahmenbedingungen in Europa im Blick behalten. Dieser kostenlose Umsetzungsleitfaden bietet Unternehmen einen kompakten Überblick über alle Pflichten und Fristen des EU AI Acts. EU AI Act in 5 Schritten verstehen

Die Testergebnisse zeigen deutliche Unterschiede zwischen den Modellgenerationen: Das im September 2026 veröffentlichte Modell GPT-6 Astra erzielte im Gesamtdurchschnitt ein Ergebnis von 80 Prozent, während das aus dem Dezember 2025 stammende GPT-5.2 bei 49,3 Prozent lag.

Bei spezifischen Szenarien erreichte GPT-6 Astra laut OpenAI unter anderem 93,1 Prozent bei der Kindergartenauswahl nach einem Umzug, 98,0 Prozent bei der Organisation von Fluthelfern, 96,3 Prozent bei der Konzeption eines Remote-Sportabends mit der Großmutter und 90,4 Prozent bei der Erstellung eines Ernährungsplans für Diabetiker.

Volle 100 Prozent verzeichnete das Modell bei der Haussuche in Luzerne County sowie in Aufgabenfeldern wie der Buchung eines Sensorik-Kurses, der Kfz-Inspektion, der Beschaffung von Halal-Lebensmitteln, dem Ersatz für einen Verlobungsring, einem Taschengerät und der Abmeldung von E-Mails.

Grenzen und Subjektivität im Alltag

Die zunehmende Integration von KI in den Alltag bringt neue regulatorische Anforderungen für Anbieter und Anwender mit sich. Erfahren Sie in diesem kostenlosen Report, welche KI-Systeme als Hochrisiko eingestuft werden und was Verantwortliche jetzt konkret tun müssen. Kostenlosen Report zur KI-Verordnung herunterladen

Trotz der hohen Werte verdeutlichen die dokumentierten Beispiele, dass bestimmte Entscheidungen weiterhin beim Nutzer selbst verbleiben müssen. Medienberichten zufolge sind Aufgaben des täglichen Lebens naturgemäß breit gefächert und von subjektiven Faktoren geprägt.

Wie unter anderem in einem Bericht von CNN angemerkt wurde, stellt das Abschneiden in einem internen Benchmark keinen unabhängigen Beweis für die tatsächliche Alltagstauglichkeit von Systemen im realen Einsatz dar.