健康是人们使用 ChatGPT 的最有意义的方式之一。每周，超过 2.3 亿人会向 ChatGPT 寻求健康与身心健康问题方面的帮助：理解健康信息、看懂化验结果、为就诊做准备、处理保险事宜、养成更健康的习惯，以及弄清下一步该问什么。

借助 GPT‑5.5 Instant，我们看到模型在处理健康问题方面迈出了重要一步，包括更好地识别何时可能需要紧急就医、询问相关背景、解释不确定性，并让复杂信息更易理解。在我们最具挑战性的健康评估中，GPT‑5.5 Instant 现在的表现已达到与我们的前沿 Thinking 模型相当的水平。由于它可供 ChatGPT 免费用户使用，更多人能够从这些改进中受益。这可能意味着更易理解的健康信息、更值得提出的问题，以及清晰的下一步行动。

这一进展既体现了模型能力的提升，也体现了由医生主导的健康评估工作。在我们的各项工作中，一个全球医生网络会通过审查示例模型回复、描述理想行为并识别失效模式，帮助定义真实健康场景中怎样才算“好”。与医生合作，让我们能够衡量健康领域的进展，并持续改进 ChatGPT 的回应方式。

在健康领域，进展意味着给出准确、易懂且基于良好判断的回复：识别何时需要更多背景信息，在不过度表现自信的情况下解释不确定性，并帮助人们了解何时应寻求医疗照护。

为衡量这一进展，我们使用面向健康领域的评估，包括 HealthBench 和 HealthBench Professional。这些评估使用真实感较强的健康对话和由医生撰写的评分标准，来评估准确性、安全性、沟通、对背景的理解、完整性和适当升级处理等品质。

作为另一项比较，我们还请医生在不限时间、可访问互联网（但不能使用 AI）的情况下，为具有代表性的健康对话撰写回复。随后，另一组医生评审在不同时期将这些医生回复与 Instant 模型进行比较，审查真实互动中重要的品质，包括准确性、沟通、完整性、遵循指令，以及对健康决策的帮助；共审查了 3500 条回复。

医生评审认为，GPT‑5.5 Instant 回复的失效模式少于旧模型和医生撰写的回复。例如，与旧模型和医生相比，GPT 5.5 Instant 更少出现未结合当地医疗环境、遗漏警示信号或就医转诊建议，以及在需要时未向用户询问更多背景信息的情况。

考虑到我们的模型在健康领域的使用规模，理解近期模型改进的另一种方式是衡量生产流量。我们在生产流量中使用保护隐私的监测器，跟踪健康回复中可能存在的事实性问题。基于近期健康领域生产流量（每周数十亿条消息）的比较，在过去两个月中，至少有一个事实性问题被标记的回复比例下降了 71%。

通过比较不同时期的模型对真实世界健康问题的回复，可以看到 ChatGPT 在健康领域的关键方面如何改进：识别某种情况何时可能需要紧急关注，以更好的判断处理不确定性，并为人们下一步该做什么提供更清晰、更有用的指导。

这一进展离不开医生的参与，他们帮助我们定义、衡量并改进 ChatGPT 中的健康回复。 

OpenAI 与一个由 260 多名医生组成的全球网络合作，这些医生来自 60 个国家，覆盖 49 种语言和 26 个医学专科。他们的反馈会影响 ChatGPT 在各种场景下回应健康问题的方式，从日常身心健康问题到更复杂的临床情况。

医生会审查示例模型回复，并评估它们是否准确、清晰、完整、足够谨慎且有用。他们帮助识别回复可能遗漏重要背景的地方、可能显得过于自信的地方、应当更清楚说明下一步行动的地方，或应当更直接鼓励用户寻求医疗照护的地方。

截至目前，医生已审查超过 700,000 条示例模型回复，这些回复反映了临床医生和患者在真实世界中可能如何使用 ChatGPT。每隔几分钟，就会有一名医生审查一条新的回复。他们的反馈会转化为评分标准和评估准则，帮助研究人员衡量回复在真实健康场景中是否准确、安全、清晰、完整、足够谨慎且有用。这让我们能够更清楚地看到模型在哪些方面正在变好，哪些方面仍需改进。

改善人类健康将是 AGI 最个人化、最切实的影响之一。随着我们的模型不断改进，我们的目标是在这些时刻让 ChatGPT 更准确、更审慎、更有用，并继续把这种进展带给更多人。