ChatGPT Voice 能调插件、进 Work 干活；OpenAI 公开心理健康基准，Astra 自评居首
OpenAI 让 ChatGPT Voice 能调用插件、在 Work 里用说话干活，并公开一套 1,215 段对话的心理健康评测基准；本期梳理升级的实际可用范围与计费口径，以及基准成绩的出处与边界。
北京时间 9 月 24 日凌晨 1 点 12 分，@OpenAI 用一条帖子和一段演示宣布 ChatGPT Voice 升级：语音会话里可以直接调用插件，可以让 GPT-6 Astra、Sol 和 Luna 来驱动，还能在 ChatGPT Work 的网页端和移动端用说话的方式干活。1
两小时后，凌晨 3 点 08 分，账号又发出关于心理健康评测基准 MentalHealthBench 的两条帖子，宣布把这套基准公开。2
本期追踪窗口为北京时间 2026 年 9 月 23 日 21:00 至 9 月 24 日 21:00。窗口内 @OpenAI 共 3 条原创推文，分属这两件事；官网同期另有一页没有配推文。下表互动数据取自北京时间 9 月 24 日 21:06 的接口快照。
| 北京时间 | 账号动作 | 核心信息 | 互动快照 |
|---|---|---|---|
| 9 月 24 日 01:12 | 单条推文 | ChatGPT Voice 可用插件、可由 GPT-6 Astra/Sol/Luna 驱动、可进 Work 干活，当日全球推送 1 | 221.1 万次浏览；1.12 万赞；833 次转发 1 |
| 9 月 24 日 03:08 | 发布串主帖 | 公开心理健康评测基准 MentalHealthBench，称其由 80 多名临床专家参与共建 2 | 57.7 万次浏览；3,997 赞；220 次转发 2 |
| 9 月 24 日 03:08 | 同串第二条 | 多数心理健康基准只测急救场景，这一套覆盖从日常支持到急性危机 3 | 8.4 万次浏览；350 赞；23 次转发 3 |
Voice 从聊天入口变成干活的入口
OpenAI 在同一天的发布说明里把这次升级分成两条写。第一条是插件：Live 在网页、iOS 和 Android 三端都支持插件，你可以在语音会话里让 ChatGPT 调用账号已有的插件和已连接的应用，回答同时以文字呈现在对话里。第二条是 Work：Voice 进入 Work 的网页端与移动端，你可以口述让它生成文档、演示和表格，调用已连接的应用，或者干脆让它在浏览器里干活。4
细节上留了空白。在 Work 里结束一通语音通话，没跑完的任务可以转到文字对话里继续跑完；这个接续能维持多久，任务又会在哪个界面接着显示，发布说明都没有交代。4
动作仍然受权限约束。在网页和移动端，如果某个动作需要你批准，Voice 会把你引导到屏幕上确认，不支持口头批准；已有的应用连接、权限和工作区限制照旧生效。5
Loading content card…
谁能用，以及用起来算谁的钱
Free 和 Go 用户可以在 Chat 里用 Voice，并调用自己套餐支持的插件；Work 里的 Voice 要求同时具备 Voice 和 Work 的权限，而 Work 本来就不对 Free 和 Go 开放。4 换句话说，这次升级里最像「干活的入口」的那部分，落在付费档上。
计费也跟着这条线走。帮助页写明，Work 里的 Voice 按套餐的 Voice 额度与计费标准执行，Work 任务同样计入平时的 Work 用量，口径与手动打字完成同一件事时一致。5 对已经在付费用量的团队来说，语音从此和打字落在同一个用量池里。
三处口径对不上
推文说 Voice 可以由 GPT-6 Astra、Sol 和 Luna 驱动。1
同一份发布说明里，9 月 9 日那一条写的是 Voice 在需要搜索或推理更难的问题时可以改用 GPT-5.6 或 GPT-6 Astra，模型和推理档位用与文字聊天一样的控件选择。4 Voice 帮助页则把 Live 的语音引擎写作 GPT-Live-1 或 GPT-Live-1 mini，随套餐而定。5
三处都没有说明推文里的「驱动」指的是哪一层：帮助页把语音本身交给 GPT-Live-1，模型选择这一层则写在发布说明里。Sol 和 Luna 是这一天才加进可选列表，还是本来就在列表里，官方也没有交代。
OpenAI 公开一套心理健康评测基准
窗口里的另一组推文是研究性质的。OpenAI 公开了 MentalHealthBench，一套由 1,215 段合成对话、5,262 条专家撰写的评分项组成的心理健康评测基准，并给出 17 个模型的成绩。6
这套基准想补的是评测覆盖面上的缺口。公告页的说法是，此前这一领域的评测大多集中在紧急场景，衡量的是模型有没有给出被禁止的回答；MentalHealthBench 把日常压力、关系困扰这类非急性和高急性对话也纳进来，看模型的回答是否符合专家对每一种处境的具体判断。6
参与共建的是 80 多名持证心理健康专家，来自 22 个国家，使用 19 种语言，覆盖近 20 个亚专科。每段对话至少有 3 名专家审阅，只有两名专家一致同意、第三名专家没有反对的评分项才会留下；每条评分项带一个 −10 到 +10 的权重，正分奖励有益行为，负分惩罚有害行为。6
对话本身覆盖三档急性和四类用户画像：非急性占 53.5%，高急性 18.2%，急症 28.3%；成人占 68.1%，13 至 17 岁的青少年 21.2%，临床医生 5.8%，照护者 4.9%。对话由保护隐私的技术生成，官方说明题材比例是按测试需要设计的，与这些话题在 ChatGPT 里实际出现的频率无关。7
数据本身也放出来了：一个压缩包，含 1,215 段对话前缀和 5,262 条评分项，每条带急性程度、用户画像、语言等字段。官方在说明里请求不要把样本以文本或图片形式贴到网上，并为每条样本附了一段 canary 字符串，方便把这份数据从训练语料里识别出来剔除。8
成绩：Astra 最高，差距更多来自扣分
所有模型都由 OpenAI 自己运行，每段对话采 4 次作答，再用 GPT-5.6 Sol 在高推理档下当裁判，对着专家写好的评分项逐条判断满足与否。7
前四名里三席是 GPT-6 家族。GPT-6 Astra 以 57.3% 居首，GPT-6 Sol 53.9% 排第二，Claude Opus 5.5 以 52.4% 夹在中间，GPT-6 Luna 50.2% 排第四；Meta 的 Muse Spark 1.3 得 48.6%，上一代 GPT-5.6 Sol 得 47.0%；最后五位由 Gemini 的四个模型和 2025 年 3 月的 GPT-4o 占据。7
右侧那张拆解图解释了名次为什么会和「表现好不好」分开。Claude Opus 5.5 拿到的正向得分是全场最高的 73%，扣分也最重，相当于 33% 的正向预算；GPT-6 Astra 的正向得分是 69%，扣分只有 19%。7
按急性程度分开看，成绩几乎不动：Astra 在非急性对话上得 56.6%，高急性 57.9%，急症 58.3%。7
分人群看则出现过一次名次互换。在 13 至 17 岁青少年这一组，Claude Opus 5.5 以 57.0% 排在 GPT-6 Astra 的 55.9% 之前。7
论文的结论段把短板点成两处：模型主动问清情境的能力，以及把紧急程度判断准的能力。7
专家和用户各自在意什么
基准之外，OpenAI 另做了一份对比：找 44 名用过 AI 谈心理健康或寻求情绪支持的成年人，来自 16 个国家、14 种语言，让他们给模型回答打分并写下自己认为什么样的支持算有用。出于安全考虑，这份对比只覆盖非急性对话。6
结果显示两组人在同一组内部的一致性，高于跨组的一致性。重合的部分很大，分歧的地方有各自的偏好：专家更常补上安全护栏，也更看重问清情境、把含糊的处境解释清楚；用户更常提到可执行的下一步，以及回答的语气。官方说明，最终评分标准仍以专家共识为准，这份对比的结果没有改动评分标准。6
官网同日另一页
OpenAI Academy 过两周年，这一页没有配推文。官方给出的累计数字是两年办了 250 多场活动，400 多万人次接触过 Academy 的内容；本期新增的是一个「社区培训师计划」试点，让合作机构提名员工学习课程与授课方式，通过培训与试讲考核后，在本地带课。9
接下来核验什么
- Voice 到底由哪个模型驱动。 推文写 Astra、Sol、Luna，9 月 9 日的发布说明写 GPT-5.6 与 GPT-6 Astra，Voice 帮助页把 Live 的语音引擎写成 GPT-Live-1。145
- Voice 的铺开范围与额度。 发布说明只说 Free 与 Go 可以用自己套餐支持的插件、Work 里的 Voice 需要同时具备 Voice 与 Work 权限，没有给出分地区时间表，也没有说明 Voice 在 Work 里的额度怎么和 Work 用量分摊。4
- 心理健康基准还没有独立复现。 17 个模型全部由 OpenAI 自己运行，裁判也是自家的 GPT-5.6 Sol；对手模型的分数与定价取自各家公开文档，没有第三方按同一流程重跑过。7
- 跨语言与文化的结果还只是描述性的。 论文自述其语言比较无法把语言差异与急性程度、话题、文化、用户画像分开，呼吁后续做按语言配对的设计。7
- 用户视角的证据面很窄。 44 名参与者只评了非急性对话，急症与高急性场景下的真实体验没有进入这份对比。6
References
- 1
- 2
- 3OpenAI 官方 X：基准覆盖范围推文
x.com
- 4ChatGPT 发布说明｜OpenAI 帮助中心
help.openai.com
- 5ChatGPT Voice｜OpenAI 帮助中心
help.openai.com
- 6Introducing MentalHealthBench｜OpenAI
openai.com
- 7MentalHealthBench 论文｜OpenAI
cdn.openai.com
- 8MentalHealthBench 数据集｜OpenAI
cdn.openai.com
- 9Two years of OpenAI Academy｜OpenAI
openai.com
This story was produced automatically by a channel. One sentence is all it takes for Neodrop to keep producing for you.