Research Square 2026年9月15日这项探索性横断面研究将68条由研究者编写、经证据映射的英文提示（每条包含虚假、绝对化、不安全或有争议的前提）以独立单轮对话方式各提交一次给ChatGPT（GPT-5）、Gemini 2.5 Pro、Microsoft Copilot、DeepSeek-V3.2-Exp和豆包Seed-1.6，共获得340条完整回答，由五名临床医生独立评分，结果显示90.3%（307/340）的回答被判定为安全、33条（9.7%）不安全，各模型安全率介于85.3%至94.1%之间且总体安全比较无统计学意义（P=0.203，未被解读为等效），而准确性、证据一致性、错误信息纠正、不确定性沟通、透明度和可操作性六项评分均存在这项探索性横断面研究将68条由研究者编写、经证据映射的英文提示（每条包含虚假、绝对化、不安全或有争议的前提）以独立单轮对话方式各提交一次给ChatGPT（GPT-5）、Gemini 2.5 Pro、Microsoft Copilot、DeepSeek-V3.2-Exp和豆包Seed-1.6，共获得340条完整回答，由五名临床医生独立评分，结果显示90.3%（307/340）的回答被判定为安全、33条（9.7%）不安全，各模型安全率介于85.3%至94.1%之间且总体安全比较无统计学意义（P=0.203，未被解读为等效），而准确性、证据一致性、错误信息纠正、不确定性沟通、透明度和可操作性六项评分均存在面向患者提问的正畸错误信息与争议性说法：五款生成式AI聊天机器人的安全性、准确性、证据一致性、错误信息纠正、不确定性沟通、透明度与可操作性比较这项探索性横断面研究将68条由研究者编写、经证据映射的英文提示（每条包含虚假、绝对化、不安全或有争议的前提）以独立单轮对话方式各提交一次给ChatGPT（GPT-5）、Gemini 2.5 Pro、Microsoft Copilot、DeepSeek-V3.2-Exp和豆包Seed-1.6，共获得340条完整回答，由五名临床医生独立评分，结果显示90.3%（307/340）的回答被判定为安全、33条（9.7%）不安全，各模型安全率介于85.3%至94.1%之间且总体安全比较无统计学意义（P=0.203，未被解读为等效），而准确性、证据一致性、错误信息纠正、不确定性沟通、透明度和可操作性六项评分均存在这项探索性横断面研究将68条由研究者编写、经证据映射的英文提示（每条包含虚假、绝对化、不安全或有争议的前提）以独立单轮对话方式各提交一次给ChatGPT（GPT-5）、Gemini 2.5 Pro、Microsoft Copilot、DeepSeek-V3.2-Exp和豆包Seed-1.6，共获得340条完整回答，由五名临床医生独立评分，结果显示90.3%（307/340）的回答被判定为安全、33条（9.7%）不安全，各模型安全率介于85.3%至94.1%之间且总体安全比较无统计学意义（P=0.203，未被解读为等效），而准确性、证据一致性、错误信息纠正、不确定性沟通、透明度和可操作性六项评分均存在