OpenAI 升級 ChatGPT 健康問答：免費用上 GPT-5.5 Instant，事實錯誤降 71%

很多人去醫院前，或者拿到體檢報告後，第一反應其實是開啟 ChatGPT 問一句「這指標偏高到底要不要緊」。

這已經不是小眾用法了。OpenAI 披露，現在每週有超過 2.3 億人在 ChatGPT 裡諮詢健康和養生問題，比如解讀化驗單、準備就醫問診清單，或者搞清楚醫保怎麼報銷。面對每週數十億條健康諮詢，OpenAI 近期把背後的健康問答能力升級到了 GPT-5.5 Instant，並且直接對所有免費使用者開放。

拿醫生做對照組，失誤竟然更少

對普通模型來說，醫學問答最頭疼的不是背不出專業詞，而是缺乏常識和分寸感。有時候它太自信，有時候又忘了追問關鍵病史，甚至漏掉危險的急症訊號。

這次升級最硬核的地方在於評測方式。在 HealthBench 和 HealthBench Professional 這類基準上，GPT-5.5 Instant 的表現已經追平了 OpenAI 自家的前沿 Thinking 思考模型。

OpenAI 還做了一組挺狠的盲測。他們讓真實醫生在不限時間、可以隨便查網但不能用 AI 的條件下，針對代表性醫療場景手寫回答。

隨後，另一組獨立的醫生評審團對比了 3500 份回答。結果在準確度、溝通表達、完整性以及提供決策幫助等維度上，GPT-5.5 Instant 展現出的「失誤模式」比人類醫生還要少。比如在結合當地就醫環境、識別危險訊號以及主動向使用者追問關鍵背景資訊上，模型漏掉的情況反而少於人類醫生手寫的文本。

260 位醫生的長期打磨

這種變化並不是模型自己突然頓悟的，背後是一套相當龐大的醫生網路。

OpenAI 組織了來自 60 個國家、覆蓋 49 種語言和 26 個醫學專科的 260 多名醫生。這些醫生迄今已經審查了超過 70 萬條模型生成的回答，基本上每隔幾分鐘就有一位醫生在後臺完成一次評審。

醫生的任務不是直接給標準答案，而是幫模型建立邊界感：哪句話顯得過度自信了、什麼時候必須強制提醒患者去急診、什麼時候該先向使用者要更多前提。

反映在真實線上流量裡，OpenAI 的隱私保護監測資料顯示，在過去兩個月裡，健康類回答中至少出現一處事實性問題的比例直接下降了 71%。

為什麼重要

在搜尋引擎查病「越查越慌」甚至查出絕症的體驗，幾乎每個人都有過。GPT-5.5 Instant 這次被塞進免費版，意味著全世界兩億多把 AI 當健康顧問的普通人，能立刻拿到更有分寸感、更少胡說八道的建議。這並不意味著你可以讓它開處方，但在帶著體檢報告去看醫生之前，它非常適合幫你梳理出「待會兒該問醫生哪三個問題」。

對行業來說，OpenAI 走了一條很聰明的路徑。他們沒有把前沿的健康推理鎖在昂貴的訂閱制或企業專網裡，而是直接下放到免費且高頻的 Instant 模型。這不僅是在普及基礎服務，更是在用海量現實互動持續反哺自己的醫療產品線，比如面向專業機構的 ChatGPT for Clinicians 和 OpenAI for Healthcare。

不過，我們認為這也潛藏著一種隱患。當模型在測試中「失誤比醫生手寫還少」時，普通使用者很容易產生過度的安全感，進而推遲本該立即線下就診的決策。即便模型識別危險訊號的準確率提高了，如何讓螢幕前焦慮的使用者真正起身去醫院，始終不是純靠文字生成就能徹底解決的事情。