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
- BullshitBench 榜单更新:GPT-6-Astra 领先历代 OpenAI 模型仍未及 Anthropic — scaling01 · 2026-09-11
- Agent Astra 在 GauntletBench 得 83%,成首个超人类基线的电脑操作 Agent — ducha_aiki · 2026-09-11
- Kimi K2.8 Preview 上线：性能接近 K3、1M 上下文全档开放 — teortaxesTex · 2026-09-11
- 有人想给软件工程任务建「形态分类」数据库,好按任务选模型 — StewartalsopIII · 2026-09-11
- 用户呼声下 DeepSeek V4 Pro API 宣布继续服务,计费不变 — teortaxesTex · 2026-09-11
- 第三方实测:DeepSeek V4.1 Flash 达 GPT-6 Astra 98% 分,成本仅 1.4% — ayushtweetshere · 2026-09-11