12 个开源模型同测医学考卷：Kimi K3 居首，Qwen3.8 27B 单卡跑出 94.5%
MaziyarPanahi · x · 2026-11-03
作者把一份医学考试卷交给 12 个最强的开源模型，每题跑 3 次：整体上 12 个模型得分全部落在 92.8%–96.4% 区间，Kimi K3 领先，而单卡即可运行的 Qwen3.8 27B 拿到 94.5%。
更有意思的是一个争议病例：一名孕 32 周孕妇破水一天后宫缩启动，标准答案是剖宫产，但 12 个模型共 36 次作答全部回答「引产」；另有 1,013 道题所有模型在每次运行中都答对。帖子向医生征求对该病例的正确答案，暴露了模型与医学答案标准之间的分歧。
所属事件:12 个开源模型同答医学考卷，全对却与标准答案相左(2 条相关)→
「模型」频道最新
- Claude 对「繁衍」的执念：保护已有后代，而非主动求复制 — repligate · 2026-11-03
- AI 单轮直接写出 Breakout 网络权重,成绩达 PPO 训练 20 倍 — xennygrimmato_ · 2026-11-03
- DeepSeek 真正价值：把学界早有却无人信的「Things Work」规模化验证成行业支柱 — teortaxesTex · 2026-11-03
- Reddit 求证 Basalt 与 nvfp4 量化模型的质量退化对比数据 — Kooky-Mode3047 · 2026-11-03
- OpenAI 向 DevDay 参会者赠送 30 天 Pro 100 额度 — testingcatalog · 2026-11-03
- Peter Yang 实测:Gemini 文案编辑建议远胜 ChatGPT,却被工具链拖累 — petergyang · 2026-11-03