OpenAI 的 GPT-5.5 Instant 在全新健康基准测试中表现超越医生

OpenAI 通过推出 GPT-5.5 Instant 模型，正式提升了其医疗保健智能水平，这标志着专用 AI 推理领域的一个重要里程碑。这一新升级展示了前所未有的能力，在保持显著成本效益的同时，其医疗准确性足以媲美高端的“Thinking”模型。

超越医生撰写的回答

OpenAI 最新数据中最引人注目的发现是，GPT-5.5 Instant 已开始在特定的标准化评估中表现优于人类医生。在 OpenAI 的专利基准测试中，该模型在五个关键评估类别中均超越了 GPT-4o 和医生撰写的答案。最值得注意的是，该模型在指令遵循（instruction following）方面的得分高达 89.9%，确保了医疗查询能够获得精确、结构化且符合语境的相关指导。

这种性能的飞跃并非仅仅是渐进式的提升，它代表了错误率的大幅降低。OpenAI 报告称，在过去的两个月里，错误健康陈述的频率骤降了 71%，这标志着该模型在高风险领域的推理能力正在迅速趋于稳定。

人机协同：医疗验证的规模

GPT-5.5 Instant 的开发并非闭门造车。为了确保临床安全性和准确性，OpenAI 利用了一个庞大的人机协同（human-in-the-loop）强化系统，该系统涉及一个由来自 60 个不同国家的 260 多名医生组成的全球网络。该专家小组审查了超过 700,000 条模型回答，以微调 AI 的医疗推理能力。

通过利用 HealthBench 和 HealthBench Professional 等基准测试，OpenAI 证明了 GPT-5.5 Instant 可以媲美行业内最昂贵、计算密集型的“Thinking”模型的性能。至关重要的是，它仅需极低的运营成本即可实现这一目标，使高水平的医疗智能能够更广泛地惠及大众。

医疗智能的民主化

这对更广泛的 AI 领域具有深远的影响，尤其是考虑到目前的使用规模。每周有超过 2.3 亿人使用 ChatGPT 进行与健康相关的查询——从解读复杂的实验室检查结果到应对复杂的保险问题——这些模型的准确性关乎公众利益。

OpenAI 正在采取双轨战略，以服务于光谱的两端：普通大众和专业群体。虽然 GPT-5.5 Instant 正在向所有免费 ChatGPT 用户推出（受使用限制），但该公司正通过“ChatGPT for Clinicians”和“OpenAI for Healthcare”不断扩展其专业级生态系统。这种双管齐下的方法旨在为患者准备工作提供即时价值，同时为医疗从业人员构建强大且专业的工具。

核心要点

• 卓越的准确性： GPT-5.5 Instant 已实现 89.9% 的指令遵循得分，并在两个月内将错误的健康陈述减少了 71%。
• 专家验证： 该模型通过由 260 多名医生组成的全球网络对 700,000 条回复进行审查而得到优化。
• 大规模效率： 新模型在 HealthBench 基准测试中的表现与重型“Thinking”模型相当，但成本要低得多。