ChatGPT обошел врачей в собственном тесте OpenAI — и это бесплатно для всех

OpenAI объявила, что GPT-5.5 Instant — модель по умолчанию для бесплатных пользователей ChatGPT — теперь отвечает на вопросы о здоровье на уровне старших Thinking-моделей компании. Заявление основано на собственных тестах OpenAI и затрагивает категорию, к которой и так приковано пристальное внимание из-за прошлых сбоев ИИ-ответов в медицинской теме.

Что показали тесты

OpenAI ссылается на рост показателей по бенчмаркам HealthBench и его клинической версии HealthBench Professional: GPT-5.5 Instant обошла предыдущую модель GPT-5.3 Instant. Отдельно компания сообщила о снижении доли фактологических ошибок на реальном трафике на 71% за два месяца — эта цифра получена из собственного мониторинга OpenAI, а не от независимых наблюдателей.

Третий тест — сравнение с врачами. Компания попросила практикующих докторов написать ответы на типовые медицинские диалоги, а затем дала отдельной коллегии врачей сравнить эти ответы с ответами модели. По итогам разбора 3500 примеров коллегия оценила ответы GPT-5.5 Instant выше, чем врачебные, по точности, коммуникации и полноте. По заявлению OpenAI, модель реже пропускала тревожные симптомы и реже не уточняла контекст у пользователя, чем как предыдущая модель, так и сами врачи.

Как устроена методология

HealthBench — бенчмарк, который OpenAI разработала вместе с собственной сетью врачей, используя рубрики, написанные докторами, а не экзаменационные вопросы. Компания заявляет о сотрудничестве с более чем 260 врачами из 60 стран, которые с момента запуска проверили свыше 700 тысяч примеров ответов. Ни один из результатов не публиковался для внешней проверки независимыми экспертами.

Масштаб использования

По данным OpenAI, более 230 миллионов человек еженедельно задают ChatGPT вопросы о здоровье и самочувствии — одна из самых частых причин обращения к чат-боту в целом. Здоровье остается защищенной категорией в политике компании: при тестировании рекламы в ChatGPT OpenAI заявляла, что не будет показывать рекламу в разговорах о здоровье, ментальном здоровье и политике.

Почему это важно для индустрии

Медицинские запросы уже показывают самый высокий процент попадания в ИИ-ответы среди всех категорий поисковых запросов Google. Если значительная часть этого спроса смещается в бесплатный тариф ChatGPT, это усиливает давление нулевого клика на медицинские издания и контентные проекты в нише здоровья — пользователи получают ответ внутри чат-бота, не переходя на сайт-источник.

Главная оговорка

Заявления о точности сложно проверить независимо: OpenAI тестировала собственную модель на собственных бенчмарках с привлеченной ею же сетью врачей. Это та же методологическая проблема, что преследует и другие ИИ-ответы в медицинской сфере — компания сообщает об улучшении, но подтвердить это сторонними средствами пока нельзя.