
何が起きたか
OpenAIは、22カ国の80人超の公認メンタルヘルス専門家と共同で作成したオープンベンチマークMentalHealthBenchを公開。合成会話をもとに構築し、GPT‑5.6 Solが採点する。
なぜ重要か
AIがメンタルヘルスの状況を支援する能力が着実に向上していることを結果が示すとOpenAIは説明。研究者に専門家の知見を反映した共通の安全・有用性評価手段を提供する。
注目点
このベンチマークは専門的なケアの代替ではなく、個人的な会話のすべてを捉えるベンチマークは存在しないとOpenAIは述べており、スコアが実世界の安全策を反映しない可能性がある。
誰に効くかOpenAIの公開により、メンタルヘルス研究者、臨床医、AI開発者はモデルの応答をテストし比較する共通手段を得た。別途実施したユーザー分析は、感情支援にAIを使う人々が何を重視するかを加えている。
こういう要約が、毎朝あなたのメールに届きます。
MentalHealthBenchは、OpenAIが以前に臨床医の知見を得て取り組んだHealthBenchとHealthBench Professionalの成果を土台としている。会話は実世界の利用パターンを反映するようプライバシー保護技術を用いて作成され、一部のシナリオには家族の最近の死別といった背景情報が含まれ、モデルが文脈を適切に活用するかを試せるようにしている。各会話は少なくとも3人の専門家が確認し、基準は少なくとも2人が同意し3人目が否定しなかった場合にのみ採用された。したがってルーブリックは個人の意見ではなく専門家の共通判断を反映している。
ベンチマークは非急性・高急性・緊急のシナリオにわたり、成人、13〜17歳のティーン、介護者、臨床医を対象とする。OpenAIは別途、メンタルヘルスや感情支援にAIを使った16カ国の成人44人による分析も実施し、彼らの基準と専門家の指針を比較した。この分析はベンチマークの最終的な採点基準を変更しておらず、基準は専門家の合意に基づいたままである。
成否は、他の研究者や開発者がこのオープンベンチマークを使って課題を特定するかどうかにかかっている。OpenAIはこれを、助成金、Partnership on AIとの専門家招集、Transluceのメンタルヘルス評価への支援、危機対応リソースの拡充やTrusted Contact、ChatGPT for TeensといったChatGPTの変更と並ぶ広範な取り組みの一部と位置づける。単一のベンチマークがモデルの微妙な個人的会話への対応を変えられるかは、コミュニティがどれだけ広く採用するかにかかりそうだ。
業界と使っているAIツールを選ぶと、仕事に関係するニュースが毎朝届きます。
登録無料・Googleアカウントなら30秒・いつでも解除できますAITodayについて →
この記事についてわからないことをAIに質問できます。AIはこの記事・AIToday の過去記事・Wikipedia を読み、出典を付けて答えます。Q&Aはこのページに公開され、他の読者も読めます。
このようなAIの動きを、御社の業界・競合に合わせて毎日届ける法人プランもあります → 詳しく見る
OneTrustはOneTrust CORIEを基盤とするFall '26リリースを発表し、厳選した基盤モデルライブラリからモデルの関連付けと非推奨指標を継続的に更新するAI台帳を追加した
Microsoft Ignite 2026でマイクロソフトは赤・青・緑チームのエージェントを組み合わせ攻撃模擬・検知調査・脆弱性修正を行うMicrosoft Perceptionの一般提供を発表した

Microsoft Ignite 2026でWindows Server 2028のパブリックプレビューが公開され、Microsoft Foundry、Windows ML、vLLM、Llama.cppによるAI推論ホス…

AUMOVIOはDatabricks Unity GatewayをLLMへの唯一の経路に採用

CADMAGEDDONはBenchCADの64³ボクセルIoUで、1000部品のサブセットにおいて0.991を記録し、Claude Sonnet 5.5の0.963、Claude Opus 5.5の0.962、GPT-6…

MIT Technology ReviewのAI誇大広告指数はAIの広がりを示し、GoogleのAI Overviewsが広告収入で数十億ドルを失わせたことやAI支援のサイバー攻撃を挙げた
