第三方上线 HealthBench 医疗基准榜,GPT-6 系列登顶

Artificial Analysis 上线 OpenAI HealthBench 与 HealthBench Professional 两套医疗对话基准的第三方排行榜,测评基于医生制定的评分标准。结果显示 GPT-6 系列模型屠榜,其中 GPT-6 Astra Max 以 66% 的成绩在 HealthBench Pro 登顶;该基准包含 525 段临床医生对话,覆盖咨询、写作与研究场景。值得注意的是,Claude 因长答案被扣 11 分,而登顶的 GPT-6 Astra Max 虽回答最短,完整度却最低。

2026-10-20 ~ 2026-10-20 · 2 条相关

• HealthBench 医疗基准排行出炉:GPT-6 屠榜,Claude 长答案被扣 11 分 — ArtificialAnlys · 2026-10-20

另有 1 条近重复转述:ArtificialAnlys