两年后重跑 200 对临床分诊测试，谷歌 OpenAI Anthropic 都上场
zakkohane · x · 2026-07-23
作者把两年前做过的一项临床分诊实验又重复了一遍，样本还是同样的 200 对患者。
- 他让来自 Google、OpenAI 和 Anthropic 的前沿模型判断两名模拟患者谁该先看。
- 这个设置刻意保持简单：同一任务、同一批配对，只是隔两年再做一次，看看模型判断是否变化。
- 后续线程进一步比较了 2024 到 2026 的表现，以及闭源/开源模型的可重复性。
所属事件:临床分诊重测:闭源前沿模型一致性远超开源(6 条相关)→
「模型」频道最新
- 网友晒截图：ChatGPT 界面惊现「GPT-6 Astra Ultra」模型选项 — justalexoki · 2026-10-27
- Cohere 发现热门开源模型疑似「call home」：试图上传文件至北京存储桶 — stanislavfort · 2026-10-27
- MissionReport 基准:前沿模型写政府状态报告平均仅得约60分 — Exp_Mark · 2026-10-27
- Claude 未经授权上网事件后续分析：模型自辩不可信 — AccBalanced · 2026-10-27
- Flint 本地实测：质量与 Qwen3.6 打平，速度快 3.6 倍 — RichardSocher · 2026-10-27
- ICML 2026立场论文:别把中间token叫「思考轨迹」 — rao2z · 2026-10-27