Anthropic 模型答得更全，OpenAI 模型更准更简洁：14 模型医疗基准对比

ArtificialAnlys · x · 2026-10-22

Artificial Analysis 对比了同时在 MLCR-AA（Wisedocs 医学长上下文推理基准的私有保留集）和 OpenAI HealthBench Professional 两个榜单上有成绩的 14 个模型，结论是：Anthropic 模型给出的答案最完整，而 OpenAI 模型更准确、更简洁。MLCR-AA 测试模型对约 2.5 万–6.4 万 token 的碎片化医疗记录做多文档综合推理，要求答案覆盖专家标注的全部要点并引用原文证据，由三个 LLM 评审投票判定，得分指标为通过率；其评测集取自最难的两档（专家级临床综合与复合多部分推理），共 60 题、每题跑 3 次。完整榜单已公开。