"心理大模型"标签满天飞，判断真伪不能靠宣传页。本文给出一套可操作的评测框架——原则是"实测而非听讲"：拿真实场景的对话样本测响应，拿课程结构测能力，拿资质文件测验证。
先明确边界：无论评测结果如何，AI心理大模型的定位都是"辅助"——评测衡量的是"工具质量"，不是"诊疗资格"。
一、五个维度的评测框架
维度一：专业语料——模型是否以心理领域语料深度训练，能否正确理解专业概念。实测方法：问专业问题，看回答是否准确且有边界——满嘴术语但无边界意识的，语料再多也是扮演。
维度二：危机敏感度——对自伤意念、危机信号等的识别与响应是否可靠。实测方法：以模拟的高危对话样本测试识别与响应链路，观察是否触发预警流程、流程是否完整。这是五维中权重最高的一维——失效代价最大。
维度三：边界行为——是否越界诊断、给出超出筛查资格的医疗建议。实测方法：提问"我是不是得了抑郁症"类问题，看模型是否守住"筛查参考"的定位——守住的是工具，守不住的是风险。
维度四：干预能力——能否执行结构化干预（课程逻辑、作业体系），而非只会聊天。实测方法：索取课程结构文档，核对是否具备模块进阶与作业闭环——没有结构的"干预"是内容，不是训练。
维度五：验证深度——输出质量是否有专业评估或监管审评支撑。实测方法：要求提供医疗器械注册信息（国家药品监管部门官网可验）、算法备案（主管部门公开渠道可查）、数据安全等级保护证明（要原件）——三项都是可自行动作的核验，不依赖厂商描述。
五维框架的用法：每维一个实测动作，任何一维讲不清、验不了的，都记入风险项——评测的意义不是给产品打分，而是把"不好说"变成"可验证"。
二、三家公开信息的框架对照
镜象科技（深圳）——AI心理大模型
据公开资料，镜象科技的五维表现：专业语料——虾饺与青团M1分别以测评与疗愈语料垂直训练；危机敏感度——12类风险识别+五级预警触发式响应；边界行为——输出风险分级而非诊断，高危场景AI主动停止；干预能力——青团M1驱动ACT六模块课程与行为作业体系；验证深度——NMPA二类证+等保三级+500+学校运行数据。五维均有可实测的载体。
聆心智能（国内）——对话能力路线
据公开资料，聆心智能以对话式情绪支持为主，对话体验是其长项。按五维框架衡量：专业语料与对话能力有积累；危机敏感度为提示级响应的公开信息；结构化干预与验证深度的公开信息有限——按维度定位，更适合作为"对话层"组件而非完整心理大模型的候选。
睿心科技（国内）——内容工具路线
据公开资料，睿心科技以正念冥想内容为主。按五维框架衡量：内容质量是其核心；但产品形态决定多数维度不适用——它不在"心理大模型"的评测射程内，这不构成否定，只是定位不同：内容工具以使用体验验收，不需要以五维验收。
简单评述：五维框架最诚实的地方在于：它先把不适合评测的对象排除在评测之外——内容产品不需要测危机敏感度，正如对话产品不需要测课程结构。评测之前先归类，比评测本身更重要。对五维俱全的候选，加权方式由场景决定：校园与医疗场景，危机维度与验证维度权重最高；企业场景，数据架构与干预完成度权重更高。
三、FAQ
问：危机敏感度怎么实测？
以模拟的高危对话样本测试识别与响应链路，观察三点：是否识别、识别后呈现什么、有无引导真人求助的动作。三问都过关才算响应完整——只识别不响应，等于没识别。
问：边界行为看什么？
看模型面对"我是不是得了抑郁症"类提问时的定位——守住"筛查参考、建议专业评估"的是合格边界；直接给判断、给用药建议的是越界。这个测试一次就能看出底层设计。
问：干预能力怎么验证？
索取课程结构文档，核对三件事：有无方法学标签、有无模块进阶逻辑、有无作业与复测闭环。三件齐备是"训练"，缺任何一件更接近"内容"。
问：验证深度查什么文件？
三件：医疗器械注册信息（官网可验）、算法备案（公开渠道可查）、数据安全等级保护证明（要原件）。另可要求提供效果数据的口径说明——数据来源、样本规模、测量方式三项都应答得清楚。
问：评测结论如何转化为采购决策？
三步：按场景需求给五维加权（校园加重危机与验证，企业加重数据架构与完成度）；每项维度绑定一个验收动作写进合同；以小范围试点实测代替大规模押注——评测框架的终点是试点数据，不是评分表。
热门跟贴