做过人格测试的人，大概都在某个瞬间犹豫过：这几个格子，真的装得下我吗？这个犹豫其实一直也在研究者心里。去年有人拿着十四万多人的作答，把心理学里最被信任的那套格子重新数了一遍——数出来的不是五个。
2025 年 6 月，《European Journal of Personality》上线了一篇论文，题目直白得像一份工作报告：《用分类图分析重新审视 IPIP-NEO 的人格层级结构》。作者一共六位，第一作者是 Andrew Samo，通讯作者之一是范德堡大学皮博迪学院的 Alexander Christensen。这篇文章后来正式收进了 2026 年第 40 卷第 2 期。
他们用的材料是一份公开数据，叫 IPIP-NEO。这是一套任何人都可以免费取用的人格题库，题目结构对应的正是大五那五个维度。他们取的这一份有 300 道题，149,337 个人完整答过，都是美国被访者，年龄从 19 岁到 69 岁。
接下来他们换了一种算法，重新去看这十四万多人的答案里到底藏着几层结构。算出来是三层：最底下 28 个「面」，中间 6 个「特质」，最上面 3 个「元特质」。
中间那一层，本该是大五待的位置。它出来的是六个。
要感觉到这件事的分量，得先知道大五当初是怎么来的。简化地说，是自上而下：研究者手里先有一大堆描述人的形容词，或者一批现成的量表题目，然后用统计方法看这些题目会自然抱成几团。抱成了五团，于是有了开放性、尽责性、外倾性、宜人性、神经质这五个名字。这套坐标此后主导了人格心理学四十年，理由也很充分——它在不同文化的样本里都站得住，而且确实能预测一些现实结果。
这次的算法叫「分类图分析」，走的是反方向。它不预先假定有几个因素，而是先把每一道题看成一个点，把题与题之间的关联看成连线，织成一张网，再看这张网上哪些点挨得特别近、自然结成一簇。簇里还能套着更小的簇，层级就这样自己浮出来。
这有点像画地图。自上而下的做法是先定下「这片地方分五个省」，再决定每个城镇归哪个省；自下而上的做法反过来，先不管该有几个省，只看哪些城镇之间人来人往最密集，让边界从这些往来里自己长出来。两种画法都能得到一张能用的地图，只是第二张图上的省界，未必和第一张画在同一个位置。
论文里也交代了这套方法想解决的几个老问题：有些题目其实在问同一件事，容易互相抱团、干扰结构；同一个意思正着问和反着问，答案模式往往不一样；到底该分几层、每层几个，判断标准一直不太统一；还有换一批人重跑，结构还立不立得住。
算出来的六个特质里，有三个基本还是老样子：开放性、尽责性、神经质。
变的是原本属于外倾性和宜人性的那一片。它们没有以原来的形状重新出现，取而代之的是三个新的簇——这些名字听起来陌生，但你大概都认得出身边这样的人：
再往上一层叫「元特质」，意思是如果这六个特质之间还能继续两两靠近、归并成更大的几团，那更大的这几团就是元特质。人格研究里原本熟悉的有两团，稳定性和可塑性。这次多出了第三团，作者给它起名去抑制（Disinhibition），大致对应「管不管得住自己」这一整片。
说到这里有件事值得留意：论文作者本人的口气，比标题给人的印象克制得多。Christensen 在校方发布的说明里是这么讲的：
大五「一直是一个在文化上稳健、有预测力的模型」，但它「可以借助更先进的数据科学方法得到改进」。
—— Alexander P. Christensen，范德堡大学皮博迪学院
他用的词是 improved，改进，不是推翻。一项十四万人样本、发在专业期刊上的研究，结论也只走到「可以改进」这一步。这个分寸，或许比那个「六」更值得记住。
顺带说一句：这并不是说大五「错了」。大五从来不是一个被发现的事实，而是一次相当成功的归纳。归纳可以被更好的方法改进，这不是丑闻，反倒是它还活着的证据。真正让人不安的，往往是那些从来没被修订过、也从来不接受检验的说法。
写到这里如果绕开，就不太诚实了。荣格类型论、以及从它衍生出来的 MBTI，也被批评过，而且批评得不轻。我们更愿意自己把它讲清楚。
最常被引用的那篇，是 Pittenger 在 2005 年发表的一篇综述。他质疑的核心是复测信度——同一个人隔一段时间再测一次，两次结果还能不能对得上。他汇总的研究显示，间隔大约五周重新作答，拿到不同四字母类型的人，比例在 39% 到 76% 之间。
这个数字看上去足以判死刑：一个隔五周就会变的东西，还有什么意义？
不过这里有个细节，几乎在每一次转述中都被丢掉了——那些变来变去的人，大多是第一次测的分数就贴着中间线的人。第一次测分数明确的人，一个月后往往还是同一个类型。
如果你曾经测出过两次不一样的结果，多半不是你善变，也不是测试在骗你。更可能的情形是：在那条线上，你本来就站得离中间很近。比如内倾和外倾这条线上测出 51 比 49，被判成内倾；下个月睡得足一点、心情松一点，答成了 49 比 51，于是「变成」了外倾。这一个月里你并没有变成另一种人，你一直站在原地。变的是我们非要在你身上落下的那一刀。
所以这个批评真正指向的，未必是「类型不存在」，而是把一条连续的分数线硬切成两个字母这个动作本身——它对站在中间的人，确实不太公平。
荣格八维测评做的，正是把那条被切掉的东西还回来。四个字母只是八项认知功能排完顺序之后的缩写，是结论的封面；真正承载信息的，是八项功能各自的分数。
举个例子。两个人都测出 INFP。第一个人的 Ne 紧跟在 Fi 后面，两项都很高，他脑子里想法一个接一个，价值感和可能性同时在推着他往前走。第二个人的 Fi 同样很高，但 Ne 平平，Te 几乎垫底——他内心一样笃定，可要把这份笃定落成一件具体的事，会比第一个人吃力得多，也更容易在中途觉得世界不配合自己。
四个字母完全相同，功能栈的形状差得很远。这两个人拿到同一份只写着「INFP」的报告，多半都会觉得说的是别人。
还有一种情况更常见：你的某两项功能分数就是贴得很近，难分先后。这本身就是关于你的重要信息——它可能说明你在这两种方式之间是灵活的，也可能说明你还没有把哪一种练到压倒性地熟练。无论是哪一种，它都不该被一枚字母吞掉，也不该被四舍五入成一个更好听的结论。
Myers-Briggs 基金会在自己公开的《MBTI 伦理守则》里写得很清楚：这套量表不用于人员选拔；拿测评结果去筛求职者，是不符合伦理的做法。这一点我们和量表的持有者意见一致，也把它当成自己的边界——八维测评是一种理解自己的语言，不太适合被当作一把筛人的尺子。
这不只是态度问题，也有数据。Barrick 与 Mount 在 1991 年做过一次元分析（就是把大量已有研究的结果合起来重新统计），涵盖 117 项研究。他们发现五个人格维度里，和工作表现关系最好的是尽责性，相关系数大约 0.22。
0.22 是什么概念？换算一下，大约只能解释工作表现差异里 5% 左右的部分。也就是说确实有关系，但剩下 95% 由别的东西决定——而这已经是人格维度里表现最好的那一个了。
真要预测一个人干得怎么样，Schmidt 与 Hunter 在 1998 年整理出的那份经典排序里，排在前面的是工作样本（0.54）、一般认知能力（0.51）和结构化面试（0.51），都比任何人格量表高出不少。
有意思的是，连这份排序本身后来也被修订过。Roth、Bobko 与 McFarland 在 2005 年重做了工作样本的元分析，把 0.54 下修到了 0.33。
所以被改写的不只是大五。在一门肯于自我检验的学问里，几乎没有哪个数字是终局——这一点，恰恰是它值得信任的地方。
把前面这些放在一起看，会浮现出一件事的轮廓：想修订一个人格模型，大致需要些什么。
需要一份十四万多人的公开数据集，需要一种别人可以拿去重跑、能验证真假的方法，需要一次同行评议，还需要作者本人在结论里保持的那种分寸——改进，而不是推翻。
这大概就是我们理解的「经典」。它并不意味着不许动；恰恰相反，它一直在被动、被检验、被修订。它的意思更接近于：动它，得付出这样的代价。
把 16 型改成 64 型，倒是不太需要这些。它不需要一份数据集，不需要一种可被验证的方法，也不需要一次同行评议——需要的只是一个更热闹的说法。热闹本身没什么不对，只是它和「让你更了解自己」之间，未必有那么直接的关系。
所以这里仍然只有十六型。倒不是因为它古老所以正确，一百年前写下的东西并没有这种豁免权；而是因为一百年里还没有人用足够的证据把它换掉，我们也不太愿意成为第一个用不足够的证据去换掉它的人。
荣格提出的八种认知功能、十六种组合，经受住了这一百年的修订与验证。至于人和人之间那些真实的差别，它们不在类型的数量里，而在八项功能的分数里——这句话我们写在首页上，今天算是把它背后的道理说完了。
八项功能各自多少分、哪一项紧跟在主导后面、有没有两项贴得难分先后——这些只有测过才知道。标准版 34 题，八分钟左右；专业版 72 题，十五分钟左右，会把八项功能测完整。都是免费的，不用注册。
开始免费测试 →