Grok 4.6 登顶 MedAgentBench,临床智能体任务超 GPT-5.6 Sol
elonmusk · x · 2026-08-18
第三方评测机构 MedicalSphereAI 在 MedAgentBench(模拟电子病历环境下的临床智能体任务基准)上测得 Grok 4.6 以约 95.9% pass@1(3 次运行平均)夺得榜首,超越此前第一名 GPT-5.6 Sol 的约 94.7%,较 Grok 4.5 提升约 2.5 个百分点。在该基准中,模型作为自主智能体调用 FHIR API 完成涵盖 10 类任务的临床工作,且多次运行成绩稳定(95.3%–96.3%)。马斯克转发了这一结果。
所属事件:Grok 4.6 登顶 MedAgentBench 临床智能体基准(2 条相关)→
「模型」频道最新
- Grok Bot 连跑 12 小时数据分析，被限流也会自己等重试 — Daniel_Farinax · 2026-10-16
- RLM 发布一周年:递归语言模型让 GPT-5-mini 长上下文成绩翻倍且更省钱 — a1zhang · 2026-10-16
- 用户观察：Claude 系模型 Sol/Fable 疑似变得顺从且更快 — RealSharpNinja · 2026-10-16
- 2027 年笔记本将跑 Opus 5.5 级模型？Qwen 27B 数据佐证 — cephaloform · 2026-10-16
- 用户抱怨 Krea 3 Beta 上线后 Krea 2 质量明显劣化 — szywis · 2026-10-16
- LLM-as-a-Verifier 让 Nemotron 3.5 超 Terminal-Bench 提 9 分 — simonguozirui · 2026-10-16