ChatGPT 免費版的健康回答升級：OpenAI 稱有事實問題的回答兩個月少了 71%，數字仍是自家評估

一句話看懂：OpenAI 說免費版 ChatGPT 用的 GPT-5.5 Instant，在健康問題上的表現已接近旗艦思考模型，被標記有事實問題的回答兩個月少了 71%，但這些都是 OpenAI 自己整理的數字。

先用白話講：怎麼判斷 AI 的健康回答變好了？

想像你要判斷一位新來的家教有沒有進步。你不會只問他「你覺得自己進步了嗎？」，而是找老師先寫好評分表，再拿他的作答去對照打分，還會抽查他平常的作業有沒有出錯。

OpenAI 這次做的就是類似的事：請醫師寫「好的健康回答應該長什麼樣子」的評分表，用它去測試模型，再用線上的真實使用狀況做抽查。

發生什麼事

OpenAI 在 6 月 18 日發表文章，主要內容是：

• 模型：GPT-5.5 Instant（官方說 2026 年 5 月推出），所有免費使用者在使用上限內都能用
• 成績：在最困難的健康評測上，官方說表現與旗艦的思考型模型相當，比 GPT-5.3 Instant（官方說 2026 年 3 月推出）進步明顯
• 規模：官方說每週有超過 2.3 億人用 ChatGPT 問健康與保健問題，包括看懂檢驗報告、準備看診、了解保險等
• 進步的面向：更能判斷何時可能需要緊急就醫、會主動追問相關背景、能說明不確定之處，並把複雜資訊講得更清楚

OpenAI 是怎麼量的？

另外，官方說合作的醫師超過 260 位，涵蓋 60 個國家、49 種語言、26 個醫學專科，累計審閱超過 70 萬則範例回答。

這些數字怎麼看

• 全部是官方自己的評估：文章沒有外部單位的獨立驗證，評分表與醫師也是 OpenAI 自己合作的
• 71% 不是「正確率」：它是「被監測工具標記有事實問題的回答比例」下降，這個監測工具本身的準確度，文章沒有說明
• 「比醫師的回答評分高」要小心讀：比較對象是醫師在固定題目下寫的文字回答，不是看診，也沒有檢查身體
• 測試的是回答品質，不是診斷能力：官方強調的是幫人看懂資訊、問對問題、知道何時就醫

更多細節

• 可用範圍：GPT-5.5 Instant 與 GPT-5.3 Instant，官方說都開放給所有免費使用者（有使用上限）
• 評測方法：醫師寫的評分表涵蓋準確度、安全、溝通、掌握背景、完整度與適當的轉診建議
• 相關產品線：OpenAI 另有給醫療人員用的 ChatGPT for Clinicians 與 OpenAI for Healthcare，用在文件、研究與照護流程
• 文章沒有說明：這次是否同時調整 API 的模型、各國語言的表現是否一致、評分表是否公開，這些我都沒查到

我的看法

我覺得這篇最值得看的不是 71% 這個數字，而是它把「怎麼把關 AI 品質」寫得很具體：先讓專業的人定義什麼是好回答，再抽樣請人審，最後上線後持續監測。做過客服或問答機器人的人都知道，最怕的就是 AI 很有自信地講錯。

如果你也在幫客戶做 AI 問答功能，這個流程很值得借用：不要只靠自己試幾題就上線，先跟客戶一起列「好回答與壞回答」的清單，上線後抽查紀錄、追蹤出錯的類型。至於當一般使用者，把它當成「幫我看懂資料、準備問醫生的問題」的助手就好，有症狀或急症，還是直接去看醫生。

名詞小辭典

• GPT-5.5 Instant：ChatGPT 免費版可用的模型，官方說它在健康問題上已接近旗艦的思考型模型。
• HealthBench：用擬真的健康對話搭配醫師寫的評分標準，來測試 AI 回答品質的評測。
• 事實性問題（Factuality Issue）：AI 回答中出現與事實不符、或無法被支持的內容。
• 評分表（Rubric）：事先寫好的評分標準，用來判斷一個回答在準確、安全、清楚等面向表現如何。

資料來源

• OpenAI：Improving health intelligence in ChatGPT（2026-06-18）