ClinicalBench 更新：Kimi K3 解出 10 题中的 7 题
teortaxesTex · x · 2026-07-23
这条转发围绕 ClinicalBench v0.0.4 的更新展开：引用内容显示，Kimi K3 在 10 个虚拟 EHR 沙箱病例里解出 7 个，但 Grok 4.5 的分数仍然更高。
基准任务要求模型在虚拟电子病历环境中完成：
- 采集病史
- 做体检与检查
- 下达化验、影像、手术和用药指令
- 最终给出诊断
引用里还提到：有一个病例连所有模型都没解出来，但对医生来说并不算特别难。
「模型」频道最新
- Kimi K3.1 Pro 登顶 MathArena 开源模型，整体逼近 GPT-5.5 — teortaxesTex · 2026-10-26
- Ruff 作者感叹:前沿模型能在任何软件里找到无穷多 bug — charliermarsh · 2026-10-26
- 开发者实测同一 skill 跨 Opus 5.5 与 Sol 6.1:指令遵循表现参差 — lucasmeijer · 2026-10-26
- supermemory 发布 learner-1：面向任意模型的持续学习方案 — julianweisser · 2026-10-26
- Anthropic 称 Opus 5.5 单任务成本较 Opus 5 降约 40% — taufiqintech · 2026-10-26
- 27 家 AI 搜索接口横评:前 12 名只差 7 分,价格却差近 7 倍 — FinanceYF5 · 2026-10-26