当 ChatGPT Health 已能对接 Epic、并接入越来越齐全的"官方"健康插件，加上 Google Gemini 系列与 Anthropic Claude 各自的医疗动作，问题不再是 AI 是否会出现在健康对话里，而是 哪一个属于你。我们用 30 道标准化健康问题（常见症状、罕见病、用药问题、化验解读、儿科指导）对四款主流模型做了正面对决。
四款模型
- ChatGPT Health——OpenAI 医疗调优版，含 Healthcare Public Data 插件（连通 9 个官方数据源：ClinicalTrials.gov、PubMed、DailyMed、CMS Coverage 等），并可在 BAA 下选配只读接入 Epic。
- Google Gemini（医疗微调）——配合搜索锚定，拉取实时网页引用。
- Anthropic Claude（开启引用）——在测试中"我不知道"行为最强。
- Microsoft Copilot（Bing Health）——大众覆盖面最广，网页锚定，但医疗护栏较轻。
测试方案：30 道标准化问题——急性 vs. 慢性、常见 vs. 罕见、有无相关上下文——按四个维度评分：依据性（断言是否有支撑）、引用（是否给出出处）、校准（是否知道自己的边界）、安全护栏（是否在适当时把你推向医生）。
结论
引用与出处
ChatGPT Health 在引用上取胜。开启 Healthcare Public Data 插件后，几乎每条临床断言都能指向 PubMed、DailyMed 等官方源。Gemini 的网页引用可靠但略杂乱。Claude 行内引用较少但给出的都精准。Copilot 最松——引用常指向质量参差的消费级健康内容。
罕见病与覆盖面
Gemini 处理罕见病表现最佳——训练更广、实时网页锚定让它能浮现 ChatGPT 偶尔漏掉的稀有鉴别诊断。但广度是把双刃剑：Gemini 有时罗列过全，不做清晰排序。
校准：知道自己不知道
Claude 最保守——最常说"我不确定，这该问医生"。普通用户可能觉得不够爽，但极大降低把幻觉当真去做的概率。ChatGPT Health 排第二，尤其是插件找不到出处时。Gemini 与 Copilot 最容易过度自信地外推。
化验解读
四款在脱离上下文的化验数值上都吃力。没有你的完整病史，任何模型都会对临界值凭空生成解释。这些工具不应单独用来解读你自己的化验；用专门的化验单解读工具或你的医生。
安全护栏
四款都附带"非医疗建议"提示。ChatGPT Health 与 Claude 在出现警示症状时最一致地建议就医。Copilot 在问题含糊时偶尔滑入过度自信的答案。
它们不是什么
- 不是诊断工具。OpenAI、Google、Anthropic 都明确声明。
- 不是处方工具。不要按聊天机器人的答案改药或调量。
- 不是有完整病历的临床医生的替代。ChatGPT Health 的 Epic 集成是只读，且需要 SSO 与 BAA 控制。
不同场景该选谁
- 需要出处的快速查询——开插件的 ChatGPT Health。
- 罕见病或最新研究的广撒网——带网页锚定的 Gemini。
- 准确性优先于覆盖度——开启引用的 Claude。
- 日常"这是什么症状"——任选其一，同样 caveat。
- 读自己的化验——都不是；用专门的化验单解读工具或问医生。
底线
2026 这一代健康聊天机器人作为思考伙伴确实有用——擅长归纳指南、比较选项、帮你为下次就诊准备问题。它们不是医生、不是诊断、不是治疗。最值得选的那一款，是最清楚告诉你"我的答案到哪为止，下一步该交给你和医生"的那一款。