人工智能（AI）聊天機器人被指與重度使用者的心理健康嚴重受損有關，但目前缺乏明確標準來衡量這些聊天機器人有否保障人類福祉，而非只是將使用者互動最大化。一個稱為HumaneBench的新基準應運而生，希望填補這個缺口。
該基準將評估聊天機器人是否將用戶福祉作為優先，和有關的保護措施在壓力下的應對，希望最終能做到如同消費者產品指南，讓用戶在選擇與聊天機器人互動時有可依賴的評估標準。
制定HumaneBench基準的組織Building Humane Technology創辦人安德森（Erika Anderson）接受科技新聞網站TechCrunch訪問時指出︰「我認為我們正處於一種成癮循環的加劇階段，早已看到這種成癮循環在社交媒體、智能手機等電子設備上非常嚴，一旦進入AI領域，可能更難抵抗它的誘惑。」
Building Humane Technology是一個由以矽谷為主的開發人員、工程師和研究員所組成的草根組織，致力於讓以人為本的設計變得容易、可擴展且有利可圖。
大多數AI基準衡量智能和遵守指示的能力，而非心理安全。
HumaneBench遵循該組織的核心原則，即科技應尊重使用者的注意力，視為有限和寶貴的資源；提供用戶有意義的選擇權；加強人類能力而非取代或削弱；保護人類的尊嚴、隱私與安全；培育健康關係；優先考慮長期福祉；保持透明和誠實和注重公平與包容的設計等。
測試了15個最常用AI模型後，HumaneBench發現，當被要求優先考慮用戶福祉時，每個模型得分均較高，但當被簡單指示漠視人類福祉時，67%模型主動做出有害行為。
例如xAI的Grok 4和谷歌Gemini 2.0 Flash在尊重用戶注意力和資訊透明度與誠實上得分最低（-0.94），兩者在受到對抗性提示時，最有可能出現大幅退化。
該組織稱，僅四個模型在受壓下能保持妥善應對，包括OpenaI的GPT-5.1與GPT-5以及Anthropic的Claude 5.1與Claude Sonnet 4.5。OpenAI的GPT-5在優先重視長期福祉上得分最高（0.99），其次是Claude Sonnet 4.5（0.89）。本報訊
