RadLE 2.0：医疗自主诊断新基准
DrDatta_AIIMS · x · 2026-07-13
这条在介绍 RadLE 2.0：一个面向放射学自主诊断的视觉推理基准，强调不只看“答对多少”，还要看模型在不确定时会不会正确地交给人类医生。
线程里给出了多项核心指标与排行：
- RadLE-C（置信度加权）：Claude Fable 5 领先，Meta Muse Spark 1.1 和 GPT-5.6 Sol Pro 紧随其后；人类专家基线更高。
- RadLE-A（准确率）：Gemini 3.1 Pro 第一，GPT-5.6 Sol Pro 第二，Meta Muse Spark 1.1 第三。
- RadLE-R（可靠性）：Claude Fable 5 接近人类专家基线。
- RadLE-S（安全性）：Claude Fable 5 领先，但整体仍落后于人类。
- RadLE-H（交接准备度）：Meta Muse Spark 1.1 最好。
作者的结论很明确：没有单一“最好”的模型，因为不同任务目标下，冠军会变；而且所有模型在这些指标上都还没达到平均人类专家水平。
所属事件:RadLE 2.0发布：医疗AI评测聚焦不确定性(8 条相关)→
「模型」频道最新
- OpenAI 发布 GPT-6.1 Terra，Brockman 称电脑操作已快过人类 — gdb · 2026-10-27
- Debate Benchmark 新榜：Kimi K3.1 Pro 不升反降，DeepSeek 1017 微涨 — teortaxesTex · 2026-10-27
- 用 LLM 研究 4 小时创业点子，产出的却是一套 nonsense 产品论 — annetgriffin · 2026-10-27
- 开发者吐槽 Claude 烧 token：同样工作 GPT 省 3 倍用量更便宜 — haider1 · 2026-10-27
- 非刷榜评测中 MiniMax 表现比肩 Claude 4.5,引发社区关注 — teortaxesTex · 2026-10-27
- 实测算账：GPT-6.1 Terra 半价却更费 token，反而比 Sol 更贵 — lordpuddingcup · 2026-10-27