Ortet 首次健康评测：34 个开源模型跑 50 项任务，综合排名不够用
elmanmansimov · x · 2026-10-26
AI 创业公司 Ortet 发布首份健康领域评测：在自己的 Orion NVIDIA Blackwell GPU 集群上自托管并评测 34 个开源模型，覆盖 15 个公开健康基准的 50 项任务，并对比 8 个 2026 年 9 月发布的闭源前沿模型（GPT-6 系列、Claude 5.5 系列等）。其中 34 个开源模型里约 75% 是近六个月内发布的，18 个来自最近三个月。
主要发现：
- 通用排行榜不足以衡量健康能力，需要专门的细分评测
- 开源模型在基础医学知识上有竞争力，且更愿意作为研究合作者配合
- 开源和闭源模型在患者预测类任务上都表现挣扎
- 更多推理通常有帮助，但最高推理档位并不总能得到最佳实测分数
- 健康领域排名可以用小子集问题近似估计
这是 Ortet 构建覆盖临床、生物与运营三个维度健康智能的第一步；作者强调开源模型让评测—数据收集—训练—再评测的完整闭环可以完全自控。
「研究」频道最新
- 医疗评测：Kimi K3 平 GPT-6，但疑难病例开源落后 17 个百分点 — keunwoochoi · 2026-10-27
- 健康专项榜单洗牌：综合第 9 的开源模型跃居 Health Index 第一 — keunwoochoi · 2026-10-27
- 开源编译器 Latch 从 PyTorch 生成训练 megakernel，H100 上提速 2.75 倍 — sguada · 2026-10-27
- Goodfire 投入 1000 万美元启动 AI 版「人类基因组计划」破解可解释性 — CatAstro_Piyush · 2026-10-27
- π0.5 实验：演示数从 10 增至 438，放球入碗成功率 7%→83% — stingning · 2026-10-27
- 灵巧操作基准 HandsOn 发布:66 个人工核验任务配 1.8 万条人类示范 — stingning · 2026-10-27