OpenAI показали LifeVal - бенчмарк для личных AI-агентов/ассистентов. Суть - берется N жизненных задач и оценивается умение модели их разруливать: подобрать детсад после переезда, собрать меню для родственника с диабетом, найти дом. Задачи получились после опроса 4 тыс человек, которые пользуются агентами как личными ассистентами. По бенчу выходит, что 10 из 16 задач GPT 6 Astra делает на 100%, остальные - на 88-98%. Давно вижу, как мы движемся в такие персонализированные AI операционные системы - где модель с харнесом живут рядом с календарем, документами и браузером, помнят, что мне важно, делают за меня то, что могут, а мне оставляют решения и финальные действия. Посмотрим, возьмут ли на вооружение Антропики и другие игроки. @ppprompt