Altman 称医师评分中 GPT-5.6 优于人工回答

Sam Altman 在社交平台 X 上发帖称，一项研究显示医师在评估中发现，GPT-5.6 模型给出的回答其缺陷少于医师本人撰写的回答。该帖文目前仅有这一句转述性引语，Altman 并未附上研究链接、论文标题、评估方法或任何量化数据，读者尚无法独立核实这一结论。

帖文内容

Altman 转述的核心结论为：「physicians found fewer flaws in GPT-5.6 responses than physician-written responses」，即在对模型输出与人工回答的对比评估中，GPT-5.6 的回答被医师判定为问题更少。

• 发布平台：X（原 Twitter）
• 发布人：Sam Altman，OpenAI CEO
• 内容形式：单一转述性引语，无附图、链接或附件

信息缺口

这条帖文在资料层面存在明显空白，距离可被引用的研究结论仍有差距：

• 未给出研究机构、作者或论文标题
• 未提供论文链接或 DOI，无法溯源
• 未说明评估设计（盲评/对照/样本量等）
• 未披露评分维度、量化结果或统计指标
• 「GPT-5.6」这一型号名称此前未出现在 OpenAI 公开产品矩阵中，可能是内部测试代号或特定实验设置

行业语境

医疗问答是大语言模型重点拓展的应用场景之一，包括 MedQA、USMLE 等在内的医学基准已被多家厂商用于能力评测。Altman 的这条帖文如果对应的是已发表或即将发表的研究，则可能意味着 OpenAI 在临床问答质量对比方面有新进展。

但在原始材料公开之前，这一结论只能视为厂商层面的口头发布，不宜作为已验证结论直接引用。后续值得关注的是 OpenAI 是否会公开对应的论文、技术报告或博客文章，以便行业独立复现与评估。