OncologyBench 完整榜单:Anthropic 包揽前六,Kimi K3 居非 Claude 首位

kenbwork · x · 2026-10-14

OncologyBench 在 benchmarks.bio 公布完整排行榜。严格口径（任务与决策双全对）下，Claude Opus 5（Pi 框架，40.0%）、Opus 5.5（Claude Code，37.3%）、Opus 5（Claude Code，36.0%）包揽前三，前六名全部为 Anthropic 模型；Kimi K3 以 24.0% 位列第七，是非 Claude 系最高；OpenAI GPT-6 系列 18.7–21.3%，xAI Grok 4.6/4.7 为 17.3–18.7%。

榜单按「模型+框架」而非单独模型计分，因为同一模型在不同 harness 下成绩差异显著；评分要求 agent 复现原始生物学结论，拒绝与超时也计入分母，标准相当严格。