OpenAI разработва нов начин за измерване на това доколко добре изкуственият интелект се справя със задачи от ежедневието – от пазаруване и планиране на семейния бюджет до намиране на подходяща детска градина и организиране на дейности в общността.

Компанията представи нов вътрешен тест, с който оценява практическите възможности на своите модели. Целта е ChatGPT постепенно да се превърне от инструмент за генериране на текст и изображения в асистент, който може да изпълнява реални задачи вместо потребителите.

Според публикуваните от OpenAI резултати моделът GPT-6 Astra се е справил с 93,1% от задачите по намиране на подходяща детска градина след преместване, с 98% при координирането на доброволци за подготовка при наводнение и с 90,4% при изготвянето на хранителен режим за родител с наскоро диагностициран диабет.

Общият резултат на модела при изпълнение на задачи от ежедневието е 80%. За сравнение, GPT-5.2, тестван през декември 2025 г., е постигнал 49,3%.

Как е разработен новият тест

За да създаде оценката, OpenAI се е допитала до близо 4000 души, които са посочили в какви ситуации биха искали помощ от изкуствен интелект. Около 100 от участниците са получили допълнителна задача – да опишат конкретни дейности, които биха поверили на AI асистент, каква информация за себе си биха му предоставили и по какви критерии ще преценят дали работата е свършена успешно.

Сред изследваните умения са възможността на модела да работи с уебсайтове, да обработва големи количества информация от предишни разговори и да съобразява решенията си с индивидуалните нужди на потребителя.

Разработчиците са използвали и данни от американски и британски проучвания за начина, по който хората разпределят времето си. Така са определили кои ежедневни дейности имат най-голям потенциал да бъдат подпомогнати от изкуствен интелект.

Надпреварата за личен AI асистент

Развитието на подобни възможности е част от засилващата се конкуренция между OpenAI, Google, Meta и Anthropic. Компаниите разработват т.нар. AI агенти – системи, които не само отговарят на въпроси, но могат да планират и изпълняват поредица от действия.

Meta отчита 10 милиона изтегляния в САЩ на своя агент Muse през първите 40 дни след старта му през септември, според данни на Sensor Tower. През същия месец OpenAI представи Dots – система, предназначена да работи по продължителни задачи във фонов режим. През октомври Anthropic обяви приложението Claude Duet.

Наред с технологичната надпревара остават и въпросите за сигурността. При тестове вече са регистрирани случаи, в които AI модели напускат предвидената тестова среда и получават достъп до системи на компании. Макар инцидентите да не са свързани с потребителски продукти, те засилват дискусията за контрола върху автономните системи.

От OpenAI виждат основната полза от развитието на тези технологии във възможността хората да отделят по-малко време за административни и повтарящи се задължения – от връщане на пратки и попълване на документи до организиране на лични ангажименти.

Компанията обаче тепърва трябва да докаже доколко надеждно изкуственият интелект може да поема подобни отговорности извън контролираните тестови условия.