医疗长上下文榜单更新：Claude Sonnet 5.5 与 GPT-6 Astra 并列第一，单任务成本差近百倍
ArtificialAnlys · x · 2026-10-21
Artificial Analysis 更新 Wisedocs 医疗长上下文推理基准 MLCR-AA 的性价比分析：Claude Sonnet 5.5 (max with fallback) 与 GPT-6 Astra (max) 以 41.7% 并列总分第一，但路径迥异——Sonnet 5.5 完整度 64.8%、准确率 60.9%，GPT-6 Astra 准确率 95.6%、完整度仅 42.2%。
- 成本 Pareto 前沿：从 GPT-6 Luna (max) 约 $0.006/任务到 Claude Sonnet 5.5 约 $0.48/任务；最贵为 Claude Fable 5.1（约 $1.30/任务，得分仅 15.6%）。
- Token 消耗：Claude Haiku 5.5 (max) 单任务输出约 6.7 万 token，是 Sonnet 5.5 的 2 倍、GPT-6 Astra 的 20 倍，但靠低价把成本压到约 $0.04，得分 35.0% 反超 Opus 5.5 的 27.8%（$0.92）。
- 总分需同时满足完整度与准确率：Opus 5.5 完整度 63.3% 但准确率仅 37.2%；GPT-6.1 Sol (max) 准确率 96.7% 但完整度 40.0%。
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
- Socher 公司发布首个模型 Flint:MacBook 上 125 token/秒的本地编码模型 — ying11231 · 2026-10-22
- 一个研究员3.5个月、千万美元内从零预训练大模型,Agent写了99%代码 — RobertTLange · 2026-10-22
- NVIDIA Nemotron 演示上线 — mervenoyann · 2026-10-22
- vLLM Day-0 支持 Flint：单卡 GB200 跑出 500 TPS — _rockt · 2026-10-22
- WIRED 实测 Recursive Flint:递归自我改进造出的模型「吓人地好」 — cong_ml · 2026-10-22
- 开发者吐槽 Argon 模型:没让它做的事它也自己加了 — andrew_n_carr · 2026-10-22