नए हेल्थ बेंचमार्क में OpenAI का GPT-5.5 Instant डॉक्टरों से बेहतर प्रदर्शन करता है

OpenAI ने GPT-5.5 Instant मॉडल के लॉन्च के साथ अपनी हेल्थकेयर इंटेलिजेंस को आधिकारिक तौर पर एक नए स्तर पर पहुँचा दिया है, जो विशेष AI रीजनिंग में एक महत्वपूर्ण मील का पत्थर है। यह नया अपग्रेड चिकित्सा सटीकता के मामले में हाई-एंड "Thinking" मॉडल्स के बराबर प्रदर्शन करने की एक अभूतपूर्व क्षमता प्रदर्शित करता है, और साथ ही यह काफी अधिक लागत प्रभावी भी है।

चिकित्सकों द्वारा लिखे गए उत्तरों से आगे निकलना

OpenAI के नवीनतम डेटा से सबसे चौंकाने वाला खुलासा यह है कि GPT-5.5 Instant ने विशिष्ट मानकीकृत मूल्यांकनों (standardized evaluations) में मानव चिकित्सकों से बेहतर प्रदर्शन करना शुरू कर दिया है। OpenAI के अपने बेंचमार्क में, मॉडल ने पांच महत्वपूर्ण मूल्यांकन श्रेणियों में GPT-4o और चिकित्सकों द्वारा लिखे गए उत्तरों, दोनों को पीछे छोड़ दिया है। सबसे उल्लेखनीय बात यह है कि मॉडल ने 'instruction following' में 89.9 प्रतिशत तक का स्कोर हासिल किया, जिससे यह सुनिश्चित होता है कि चिकित्सा संबंधी प्रश्नों का उत्तर सटीक, संरचित और प्रासंगिक मार्गदर्शन के साथ दिया जाए।

प्रदर्शन में यह उछाल केवल मामूली नहीं है; यह त्रुटि दरों में भारी कमी को दर्शाता है। OpenAI की रिपोर्ट के अनुसार, पिछले दो महीनों में गलत स्वास्थ्य संबंधी बयानों की आवृत्ति में 71 प्रतिशत की गिरावट आई है, जो उच्च-जोखिम वाले क्षेत्रों में मॉडल की रीजनिंग क्षमताओं के तेजी से स्थिर होने का संकेत देती है।

Human-in-the-Loop: चिकित्सा सत्यापन का पैमाना

GPT-5.5 Instant का विकास शून्य में नहीं हुआ है। क्लिनिकल सुरक्षा और सटीकता सुनिश्चित करने के लिए, OpenAI ने एक विशाल 'human-in-the-loop' सुदृढीकरण प्रणाली का उपयोग किया, जिसमें 60 अलग-अलग देशों के 260 से अधिक डॉक्टरों का एक वैश्विक नेटवर्क शामिल है। इस विशेषज्ञ पैनल ने AI की मेडिकल रीजनिंग को बेहतर बनाने के लिए मॉडल के 7,00,000 से अधिक उत्तरों की समीक्षा की।

HealthBench और HealthBench Professional जैसे बेंचमार्क का उपयोग करके, OpenAI ने प्रदर्शित किया है कि GPT-5.5 Instant उद्योग के सबसे महंगे और भारी कंप्यूटिंग वाले "Thinking" मॉडल्स के प्रदर्शन का मुकाबला कर सकता है। महत्वपूर्ण बात यह है कि यह बहुत कम परिचालन लागत पर ऐसा करता है, जिससे उच्च-स्तरीय चिकित्सा इंटेलिजेंस आम जनता के लिए अधिक सुलभ हो जाती है।

मेडिकल इंटेलिजेंस का लोकतंत्रीकरण

व्यापक AI परिदृश्य के लिए इसके निहितार्थ गहरे हैं, विशेष रूप से वर्तमान उपयोग के पैमाने को देखते हुए। जटिल लैब परिणामों की व्याख्या करने से लेकर बीमा संबंधी जटिलताओं को समझने तक, स्वास्थ्य संबंधी पूछताछ के लिए साप्ताहिक रूप से 230 मिलियन से अधिक लोग ChatGPT का उपयोग कर रहे हैं—ऐसे में इन मॉडल्स की सटीकता सार्वजनिक महत्व का विषय है।

OpenAI अपनी रणनीति को दो हिस्सों में विभाजित कर रहा है ताकि वह दोनों छोरों की सेवा कर सके: आम जनता और पेशेवर समुदाय। जहाँ GPT-5.5 Instant को सभी फ्री ChatGPT उपयोगकर्ताओं के लिए रोल आउट किया जा रहा है (उपयोग की सीमाओं के अधीन), वहीं कंपनी "ChatGPT for Clinicians" और "OpenAI for Healthcare" के माध्यम से अपने पेशेवर-ग्रेड इकोसिस्टम का विस्तार करना जारी रखे हुए है। इस दोहरे दृष्टिकोण का उद्देश्य रोगी की तैयारी के लिए तत्काल उपयोगिता प्रदान करना है, साथ ही चिकित्सा कार्यबल के लिए मजबूत, विशिष्ट उपकरण बनाना है।

मुख्य बातें

• बेहतर सटीकता: GPT-5.5 Instant ने 89.9% का निर्देशों के पालन (instruction-following) का स्कोर हासिल किया है और दो महीनों में गलत स्वास्थ्य संबंधी बयानों में 71% की कमी की है।
• विशेषज्ञों द्वारा सत्यापन: इस मॉडल को 260 से अधिक डॉक्टरों के वैश्विक नेटवर्क द्वारा 700,000 प्रतिक्रियाओं की समीक्षा के माध्यम से परिष्कृत किया गया था।
• बड़े पैमाने पर दक्षता: नया मॉडल HealthBench बेंचमार्क पर भारी "Thinking" मॉडलों के प्रदर्शन के बराबर है, लेकिन बहुत कम लागत पर।