医疗长文本榜单更新:Claude Sonnet 5.5 与 GPT-6 Astra 并列第一
ArtificialAnlys · x · 2026-10-21
Artificial Analysis 更新了 Wisedocs 医疗长上下文推理基准 MLCR-AA 的评测方法:模型被设定为病历审查员,需在一段话内给出结论与病历依据,并由三模型评审团打分,60 份专家参考答案也经人工复核修订。
关键结果:
- Claude Sonnet 5.5(max with fallback)与 GPT-6 Astra(max)以 41.7% 并列第一,GPT-6.1 Sol(max)38.3% 第三;开源最强的 Qwen3.8 2.4T A95B 为 30.6%。
- 病历审查远未解决:答案须同时完整且准确,没有模型通过率超过 42%,中位数模型不足 15%。
- Anthropic 模型包揽完整性前 18 名,最佳为 Claude Sonnet 5.5 的 64.8%;OpenAI 模型包揽准确性前 27 名,GPT-6.1 Sol(max)达 96.7%,但完整率仅 40%。
所属事件:医疗长文本基准 MLCR-AA 更新：Claude Sonnet 5.5 与 GPT-6 Astra 并列第一(7 条相关)→
「模型」频道最新
- Perplexity 发布 JOLT:训练 token 只需 GRPO 的 1/6.5 — perplexity_ai · 2026-10-22
- Recursive AI 发布 40B-A2.5B 小型 MoE 模型 Flint,基准称对标 Qwen3.6-27B — ChengleiSi · 2026-10-22
- DeepSeek 发布 V4.1-Flash-1017：性能成本双优化，登顶开源推理榜 — scaling01 · 2026-10-22
- 修复 PHP 漏洞被 OpenAI 安全限制拦住:能修不能验,用户吐槽 Codex 拦截 — Next_Technology6361 · 2026-10-22
- TPN-006 上架 Hugging Face:7.7GB 压缩版反超 Mistral 原模型 — markjeffrey · 2026-10-22
- Kimi K3.1 新 checkpoint 零样本 22 分钟画出 4.9 万 token SVG 肖像 — lyraxana · 2026-10-22