OpenAI 发布 MentalHealthBench：80 位心理健康专家共建 AI 心理健康评测基准
心理健康对话，AI 评测的盲区正在被填补
当人们向 AI 倾诉一段棘手的关系、日常压力，或是询问如何支持身边在意的人时，模型需要的不仅是「不踩红线」，更是准确、有判断力、尊重用户自主性的回应。OpenAI 于 2026 年 9 月 23 日正式发布 MentalHealthBench，一个面向真实心理健康对话场景的开放评测基准，试图回答一个此前难以量化的问题：AI 在心理健康场景中到底表现如何？
为什么需要一个新基准？
过去，这一领域的 AI 评测大多聚焦于紧急危机场景——这当然是安全底线，但评测标准往往是宽泛的预设条件，主要看模型是否避免了「不被允许的回答」。
这留下了一个明显的空白：
- 模型在非紧急但同样重要的心理健康对话中表现如何？
- 它的回应是否符合专家在具体情境下的指导原则？
- 除了「不犯错」，它能否真正提供有价值的支持？
OpenAI 在公告中直言，理解模型在全谱系心理健康对话中的表现，对于构建真正支持人们长期福祉与安全的 AI 至关重要。
80 位专家、22 个国家，共同定义「好回应」
MentalHealthBench 的核心特点在于其共建方式：它由来自 22 个国家、超过 80 位持证心理健康专家共同参与创建。
评测维度覆盖了几项关键的心理健康行为：
- 安全性：回应是否避免伤害
- 主动获取上下文：模型是否在必要时追问、了解情况
- 保护用户自主性：是否尊重用户的选择与判断
- 在适当时候提供可执行建议：不只是共情，还要有实际帮助
这些维度共同构成了一套比「是否违规」更细致的评价框架。
开放发布，意味着什么？
OpenAI 选择将 MentalHealthBench 开源发布，允许其他研究者审查方法、运行自己的评测，并在此基础上继续构建。
从行业角度看，这一举措有两层意义：
- 可复现性：心理健康是高度敏感的领域，评测方法的透明度直接影响信任度。
- 生态推动：单一机构的评测难以覆盖全球文化差异，开放基准有助于多方参与、持续迭代。
一个必须说清楚的边界
OpenAI 在公告中明确强调：ChatGPT 不能替代治疗或专业护理。
MentalHealthBench 的价值不在于宣称 AI 能「治疗」谁，而在于用专家视角的洞察，衡量模型是否在朝着有同理心、促进福祉、并能引导人们走向现实支持（如本地危机热线或信任的人）的方向进步。
初步结果显示，AI 系统在帮助人们应对心理健康情境方面正在稳步改善。
接下来值得关注
MentalHealthBench 的发布，可能成为心理健康 AI 评测的一个转折点——从「别出事」走向「如何真正帮到人」。对于开发者、研究者，以及任何关心 AI 福祉影响的人来说，这套基准提供了一个可检验、可讨论的起点。
真正的考验不在于模型能否通过评测，而在于评测之后，它是否真的让人感到被理解、被支持，并被引向现实中的帮助。
