OpenAI 发布 MentalHealthBench：1215 段对话评估 AI 心理健康应对能力

OpenAI 于 9 月 24 日推出 MentalHealthBench，包含 1215 段合成心理健康对话和 5262 条专家评分标准，由 22 个国家和地区的 80 多名持证心理学家与精神科医生使用 19 种语言制定。测试结果显示 GPT-6 Astra 得分最高为 57.3%，Claude Opus 5.5 为 52.4%，Gemini 2.5 Pro 为 29.5%。数据集覆盖 53.5% 非急性对话、28.3% 紧急对话和 18.2% 高风险对话，OpenAI 将其定位为可审计的诊断工具而非模型排行榜。OpenAI 还对 44 名曾用 AI 获取心理支持的成年人做了独立分析，发现用户与专家评分标准仅 25.7% 达成一致。