Physical Address
304 North Cardinal St.
Dorchester Center, MA 02124
GPT-5.5 Instant porta ChatGPT a superare le risposte scritte da medici in accuratezza, chiarezza e completezza: è il risultato dei benchmark interni di OpenAI pubblicati il 18 giugno 2026. Il modello è già disponibile per tutti gli utenti gratuiti e segna un progresso concreto in un'area in cui 230 milioni di persone si affidano a ChatGPT ogni settimana — dalla lettura dei referti alla preparazione delle visite mediche. Il miglioramento non è il frutto di un singolo aggiornamento, ma di un sistema di valutazione costruito su 700.000 risposte riviste da medici specialisti.
Quattro miglioramenti misurabili nel campo della salute
GPT-5.5 Instant è disponibile per gli utenti gratuiti da maggio 2026 e segna un salto rispetto al precedente GPT-5.3 Instant (marzo 2026) su aree specifiche delle risposte sanitarie:
- Riconoscimento dell'urgenza: identifica meglio quando una situazione richiede cure immediate
- Richiesta di contesto: invece di rispondere con generalizzazioni, chiede informazioni aggiuntive all'utente
- Gestione dell'incertezza: spiega i limiti della conoscenza senza eccedere nella cautela
- Chiarezza: rende le informazioni mediche complesse più comprensibili
I benchmark usati — HealthBench e HealthBench Professional — valutano le risposte su dimensioni come accuratezza, sicurezza, comunicazione, completezza e appropriate escalation. Su queste metriche, GPT-5.5 Instant raggiunge prestazioni paragonabili ai modelli Thinking di fascia alta, che hanno costi operativi significativamente superiori. Il punteggio dell'89,9% nella categoria instruction following posiziona il modello al di sopra sia di GPT-4o sia delle risposte scritte da medici in tutti e cinque i criteri di valutazione.
A confermare la tendenza c'è il traffico reale: con strumenti che preservano la privacy, OpenAI monitora miliardi di messaggi sanitari settimanali. La percentuale di risposte con almeno un problema di accuratezza fattuale è scesa del 71% negli ultimi due mesi, nell'arco aprile-giugno 2026.
260 medici in 60 paesi: la rete che definisce cos'è una risposta corretta
Dietro al miglioramento c'è un'infrastruttura di valutazione medica permanente. OpenAI coordina una rete globale di oltre 260 medici in 60 paesi, con competenze in 26 specialità mediche e operativi in 49 lingue. Ogni pochi minuti un medico di questa rete esamina una risposta del modello; il feedback produce le rubric di valutazione che orientano lo sviluppo.
Per il confronto diretto con le risposte umane, OpenAI ha condotto uno studio su 3.500 casi: ha chiesto a medici di rispondere a conversazioni sanitarie rappresentative con tempo illimitato e accesso a internet, ma senza AI. Un panel separato di medici ha poi confrontato queste risposte con quelle del modello. GPT-5.5 Instant ha ottenuto valutazioni superiori su tutti i criteri: accuratezza, comunicazione, completezza, instruction following e utilità nelle decisioni di salute.
I medici valutatori hanno rilevato che il modello commette meno errori tipici rispetto sia ai modelli precedenti sia ai colleghi umani: adatta meglio la risposta al contesto sanitario locale, manca meno spesso i segnali d'allarme e chiede più frequentemente informazioni aggiuntive quando necessario.
Il perimetro dei benchmark: scala reale e verifica indipendente
Il calo del 71% è misurato su miliardi di messaggi reali, non su un dataset controllato, il che lo rende un indicatore di tendenza più robusto rispetto a un benchmark isolato. Il confronto diretto con i medici, tuttavia, va contestualizzato: i professionisti scrivevano senza accesso all'AI, in un setting che non replica una consultazione clinica. OpenAI non afferma che GPT-5.5 Instant sostituisca un medico — il modello è pensato per aiutare a orientarsi nel sistema sanitario, capire i referti e preparare le domande da fare al proprio medico.
Con 230 milioni di utenti settimanali, anche un miglioramento percentuale contenuto si traduce in decine di milioni di interazioni migliori ogni settimana — una scala senza equivalenti nella medicina tradizionale. La verifica più significativa arriverà però da valutazioni cliniche indipendenti: i benchmark di riferimento sono prodotti internamente da OpenAI, l'azienda che sviluppa il modello.
Fonti
