OncologyBench 发布：最强 AI 肿瘤决策通过率仅四成
Latch 团队发布可验证的多智能体肿瘤学评测基准 OncologyBench，结果显示当前最强的 AI 模型在肿瘤决策任务上的通过率也仅为 29-40%，表明大模型距离可靠胜任肿瘤全流程诊疗仍有明显差距，完整排行榜已在 benchmarks.bio 公布。
已确认
- 基准由 Latch 团队推出，包含 25 项多步评估，建立在 92 项组件任务之上，覆盖肿瘤旅程六个阶段：转化研究、风险与检出、诊断与肿瘤表征、治疗、应答与耐药、结局。
- 评估数据来自公开数据集、病例研究和患者捐赠数据；每个任务按原始实验分析的真实生物学逻辑设定，可验证。
- 评测要求多智能体系统产出临床相关决策，覆盖从转化研究到研究优先级的癌症诊疗全流程。
- 完整排行榜已在 benchmarks.bio 公布。严格口径（任务与决策双全对）下，Claude Opus 5（Pi 框架）以 40.0% 居首，Claude Opus 5.5（Claude Code）37.3%，Anthropic 系模型包揽前六。
- Kimi K3 为非 Claude 模型中排名最高者。
为什么重要
- 该基准覆盖从转化研究到结局的完整肿瘤诊疗流程，填补了可验证、多步骤肿瘤学评测的空白。
- 头部模型仅 40% 左右的通过率，为 AI 医疗应用的实际能力划出了清醒参照，也为后续模型迭代提供了明确标尺。
2026-10-14 ~ 2026-10-14 · 6 条相关
一手来源
- Latch 发布 OncologyBench:最强模型肿瘤决策通过率仅 40% — kenbwork ·
- OncologyBench 完整榜单:Anthropic 包揽前六,Kimi K3 居非 Claude 首位 — kenbwork ·
- 【源头】Latch 发布 OncologyBench:最强模型肿瘤决策通过率仅 40% — kenbwork · 2026-10-14
- 【源头】OncologyBench 完整榜单:Anthropic 包揽前六,Kimi K3 居非 Claude 首位 — kenbwork · 2026-10-14
- OncologyBench 发布:Claude 系最强也仅通过 29-40% 肿瘤决策 — kenbwork · 2026-10-14
- OncologyBench 发布:25 项肿瘤多步评测,最强模型仅得 40 分 — kenbwork · 2026-10-14