OpenAI 发布心理健康基准测试 MentalHealthBench，GPT-6 Astra 得分领先

OpenAI 推出开放式基准测试 MentalHealthBench，包含 1215 段合成心理健康对话，用于评估 AI 在真实场景下的应对能力，覆盖日常心理健康话题到紧急事件。该基准由来自 22 个国家和地区的 80 多名持证心理学家和精神科医生参与制定，使用 19 种语言，涵盖近 20 个心理健康专业领域。

测试结果显示，GPT-6 Astra 任务截断得分最高，为 57.3%；GPT-6 Sol 为 53.9%，Claude Opus 5.5 为 52.4%，GPT-6 Luna 为 50.2%。GPT-4o 得分 32.1%，Gemini 2.5 Pro 为 29.5%。研究作者表示，随着模型迭代，整体表现持续提升，但在主动获取背景信息和准确判断紧急程度方面仍有改进空间。

OpenAI 表示，目前每周有超过 10 亿人使用 ChatGPT，同时强调 ChatGPT 不能替代心理治疗或专业医疗服务。此次公开发布数据集，希望研究人员能够审查方法、开展独立评估并进一步研究。