OpenAI 联合 80 多位心理健康专家发布开放基准 MentalHealthBench

事件核心：发生了什么

2026 年 9 月 23 日，OpenAI 发布 MentalHealthBench。这一基准由其与全球 80 多位持证心理学家、精神科医生共同打造，专家来自 22 个国家、使用 19 种语言、覆盖近 20 个心理健康亚专业。

与以往只测“是否触发危险回答”的评估不同，MentalHealthBench 使用隐私保护技术生成的合成对话，模拟真实使用场景，覆盖成年人、青少年、照护者和临床医生等不同角色。场景按严重程度分为三档：非急性（日常情绪对话）、高急性（明显困扰但非即时危机）、紧急情况（需要现实世界紧急支持）。

评测维度包括安全性、是否主动追问背景、是否尊重用户自主性，以及在合适时给出可执行建议。每条评分标准单独针对回答的某一面向，权重从 -10 到 +10，正向加分、负向扣分。OpenAI 表示结果显示出 AI 系统在该领域“稳步改善”，但强调 ChatGPT 不能替代专业治疗。

为什么重要

心理健康是 AI 对话产品里最难标准化、也最容易出事的场景之一。此前行业评测多集中在自杀、自伤等极端情况，导致一个空白：模型在“不算危机但需要共情和判断”的日常对话里表现如何，缺少统一标尺。MentalHealthBench 把评估从“是否违规”推进到“是否贴合专家指导”，这会影响大模型的训练目标和对齐方式——从回避风险转向主动促进长期福祉。

更关键的是“开放”二字。基准、评分方法和论文公开后，其他机构可以复现和扩展，这意味着心理健康评测有可能从各家自说自话，变成可横向比较的公共标准。对 OpenAI 而言，这也延续了 HealthBench 系列在医疗健康方向的布局。

对用户/开发者/创作者的影响

对普通用户，短期内最直接的变化是：AI 在情绪类对话中更可能先追问背景、再给建议，而不是直接下判断。对开发者，MentalHealthBench 提供了可参考的评测框架，做 AI 陪伴、心理咨询辅助、教育类 AI 应用时，可以用它检验模型在非危机场景下的表现，而不只是做关键词过滤。对内容创作者，涉及心理健康的选题和产品描述，可能面临更明确的能力边界表述要求——把“辅助支持”和“专业治疗”区分清楚。

AI 工具推荐

想把多个 AI 模型放在一个入口？

GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。

了解 GamsGo AI

推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。

需要说明的是，目前公开信息显示该基准主要面向研究与评测，尚未公布是否会作为 API 层面的合规门槛或商业化产品。

值得关注的后续

一是竞品是否跟进。Anthropic、Google 等是否推出对标的心理健康评测集，将决定这套标准能否成为行业通用语言。二是评测结果能否转化为产品改动，比如危机热线引导、地区化资源推荐的实际落地效果。三是监管动向，心理健康属于高敏感领域，各国对 AI 提供心理建议的合规要求可能收紧，基准的开放性是否会被纳入监管参考，值得观察。

来源：OpenAI News