HealthBench Pro榜单:GPT-6 Astra Max 66%登顶,回答最短完整度却最低
ArtificialAnlys · x · 2026-10-20
Artificial Analysis 发布 OpenAI HealthBench Professional 独立评测榜单。该基准包含 525 段临床医生对话,覆盖咨询、写作与研究任务,由医生撰写评分细则、GPT-5.4 (low) 担任裁判,每任务跑 4 次取均值。
主要发现:
- GPT-6 Astra (Max) 以 66.0% 排名第一,GPT-6.1 Sol (Max) 以 65.1% 居次,Claude Sonnet 5.5 (Max, Default Fallback) 紧随其后。
- GPT-6 Sol (max) 回答最短(约 1000 字符)、原始沟通质量分最高(81%),但完整度(Completeness)分最低(34%)——精炼与全面之间存在明显取舍。
- 14 个模型中有 13 个在 Context Seeking 或 Global Health 主题上得分最低。
- 榜单同时提供长度调整分与原始分,超 2000 字符的回答会被降分。
所属事件:第三方上线 HealthBench 医疗基准榜,GPT-6 系列登顶(2 条相关)→
「模型」频道最新
- vLLM 生态发布 d3-turbo:多模态决策模型提速 15 倍登顶 Jev 榜 — vllm_project · 2026-10-20
- 网友据官方代码绘制 MOSS 5B 架构图并开源 — TheLatentExplorer · 2026-10-20
- 用户直言:OpenAI 出更好模型就立刻叛逃,毫无忠诚 — Angaisb_ · 2026-10-20
- reuF2F 基准：244 道 REU 数学开放题,最强模型也只解出 109 道 — wellecks · 2026-10-20
- Andrew Ng:AI 数学能力进步并非源自数学家上传的思路 — andrewgwils · 2026-10-20
- Pangram 4.1 修复误报,创始人回应社区质疑获点赞 — GolinoHudson · 2026-10-20