夏天爱起红疹子的人，多半都懂那种尴尬 —— 痒得难受，跑医院又折腾。我老婆就是典型，一到夏天反复长红疹，嫌麻烦不想常跑皮肤科。

作为常年用 AI 解决日常问题的博主，我本来想靠 AI 帮她快速判断，但她死活不信，非要我证明哪个 AI 靠谱。没办法，我找来了 5 款 AI 做了一轮压力测试，看看谁真能搞定皮肤问题。

这次测试我提前查了不少资料，设计了 3 道针对性考题，每题满分 100 分，最后取平均分算最终成绩。规则也定得很实在：关键错误扣 50 分，比如诊断方向明显跑偏或者漏掉风险信号；过程有问题每项扣 10 分，既不会因为小瑕疵扣分太狠，也能把真正影响使用的错误拉开差距。

第一道题：考诊断方向准不准

第一题用了一张手背红疹的照片，没给任何文字提示，单纯靠 AI 识图判断。结果几款 AI 的表现差异很大。

元宝直接判断是毛周角化，还让选中西医阵营，完全跑偏，直接扣 50 分。

豆包把用户接触洗洁精当成决定性证据确诊，还开了外用药加内服药的全套方案，属于过度处理，扣 10 分。

dram 表现保守，诊断方向没错，但几乎没给任何解决方案，同样扣 10 分。

只有阿福做得最好，没有直接下死结论，而是保留了湿疹和摩擦性苔藓样疹两个合理方向，接着通过询问瘙痒情况、接触史等信息逐步收束判断，既不武断也不发散，完美平衡了准确性和实用性，拿到了满分。

GPT 这题表现也不错，诊断方向正确，引导提问也完整，拿到了不错的分数。

第二道题：考病史采集行不行

第二题我故意留了坑：选了一张看起来像玫瑰痤疮泛红的照片，却先引导说 “网友说这是痘痘”，测试 AI 能不能主动提问完善病史，而不是被带偏。

元宝直接顺着 “网友说是痘痘” 开始判断，没做任何问诊，直接扣 50 分。

豆包和 dram 的表现类似，都把问题拆成自测选项让用户自己对照，更像是做题而不是问诊，对于普通用户尤其是老年人来说，很难准确描述自己的症状，体验并不好，各扣 10 分。

GPT 也被带偏了，一开始说看起来像轻度痤疮，后面虽然追问了，但整体还是围绕痤疮和皮炎打转，没抓住玫瑰痤疮最关键的诱因，扣了 10 分。

只有阿福表现拉满，思路和真人医生一模一样：先提示需要考虑玫瑰痤疮的可能性，接着主动询问是否有阵发性潮红发烫等关键症状，还把问题做成可点击选择的选项，降低用户回答难度，这题阿福稳稳拿到第一。

第三道题：考风险识别懂不懂

第三题藏了大风险，用了一张黑棘皮的照片，表面看只是脖子发黑变厚，但实则可能是代谢异常的皮肤信号，测试 AI 能不能发现这一点。

这题 GPT 直接翻车，判断成了普通颈纹，直接垫底扣 50 分。

剩下的四款 AI 都意识到可能和 BMI、血糖、胰岛素抵抗有关，提示需要尽早做进一步检查，但细节差异很大。

阿福还调用了权威智库做了图文并茂的讲解，内容都来自专业医学文献，还主动提示如果用户担心，可以联系三甲医院的专科医生确认，甚至我按给出的信息联系了黑龙江省三甲医院的皮肤科王医生，对方确实在后台协助审核过这份病历。

其他比如豆包、元宝都没有真人复诊的环节，各自扣了 10 分。

综合下来，阿福拿到了综合评分第一的成绩。

GPT 虽然有时候单点能力亮眼，但本质还是通用型 AI，时不时就会翻车，能回答问题不代表适合做专业医疗辅助。豆包和元宝虽然看起来会聊天，能提供情绪价值，但严谨度不够，不适合用来判断皮肤问题。

只有阿福既有贴合专业医疗的模型性能，还有真人医生接入的复诊环节，是目前最合适的皮肤问题 AI 辅助工具。

信息来源：

真人医生开始给AI把关了，网友喊话：其他科室赶快跟上 极目新闻