OpenAI 升级 ChatGPT 健康问答：免费用上 GPT-5.5 Instant，事实错误降 71%

很多人去医院前，或者拿到体检报告后，第一反应其实是打开 ChatGPT 问一句「这指标偏高到底要不要紧」。

这已经不是小众用法了。OpenAI 披露，现在每周有超过 2.3 亿人在 ChatGPT 里咨询健康和养生问题，比如解读化验单、准备就医问诊清单，或者搞清楚医保怎么报销。面对每周数十亿条健康咨询，OpenAI 近期把背后的健康问答能力升级到了 GPT-5.5 Instant，并且直接对所有免费用户开放。

拿医生做对照组，失误竟然更少

对普通模型来说，医学问答最头疼的不是背不出专业词，而是缺乏常识和分寸感。有时候它太自信，有时候又忘了追问关键病史，甚至漏掉危险的急症信号。

这次升级最硬核的地方在于评测方式。在 HealthBench 和 HealthBench Professional 这类基准上，GPT-5.5 Instant 的表现已经追平了 OpenAI 自家的前沿 Thinking 思考模型。

OpenAI 还做了一组挺狠的盲测。他们让真实医生在不限时间、可以随便查网但不能用 AI 的条件下，针对代表性医疗场景手写回答。

随后，另一组独立的医生评审团对比了 3500 份回答。结果在准确度、沟通表达、完整性以及提供决策帮助等维度上，GPT-5.5 Instant 展现出的「失误模式」比人类医生还要少。比如在结合当地就医环境、识别危险信号以及主动向用户追问关键背景信息上，模型漏掉的情况反而少于人类医生手写的文本。

260 位医生的长期打磨

这种变化并不是模型自己突然顿悟的，背后是一套相当庞大的医生网络。

OpenAI 组织了来自 60 个国家、覆盖 49 种语言和 26 个医学专科的 260 多名医生。这些医生迄今已经审查了超过 70 万条模型生成的回答，基本上每隔几分钟就有一位医生在后台完成一次评审。

医生的任务不是直接给标准答案，而是帮模型建立边界感：哪句话显得过度自信了、什么时候必须强制提醒患者去急诊、什么时候该先向用户要更多前提。

反映在真实线上流量里，OpenAI 的隐私保护监测数据显示，在过去两个月里，健康类回答中至少出现一处事实性问题的比例直接下降了 71%。

为什么重要

在搜索引擎查病「越查越慌」甚至查出绝症的体验，几乎每个人都有过。GPT-5.5 Instant 这次被塞进免费版，意味着全世界两亿多把 AI 当健康顾问的普通人，能立刻拿到更有分寸感、更少胡说八道的建议。这并不意味着你可以让它开处方，但在带着体检报告去看医生之前，它非常适合帮你梳理出「待会儿该问医生哪三个问题」。

对行业来说，OpenAI 走了一条很聪明的路径。他们没有把前沿的健康推理锁在昂贵的订阅制或企业专网里，而是直接下放到免费且高频的 Instant 模型。这不仅是在普及基础服务，更是在用海量现实交互持续反哺自己的医疗产品线，比如面向专业机构的 ChatGPT for Clinicians 和 OpenAI for Healthcare。

不过，我们认为这也潜藏着一种隐患。当模型在测试中「失误比医生手写还少」时，普通用户很容易产生过度的安全感，进而推迟本该立即线下就诊的决策。即便模型识别危险信号的准确率提高了，如何让屏幕前焦虑的用户真正起身去医院，始终不是纯靠文字生成就能彻底解决的事情。