Artificial Analysis (@ArtificialAnlys)T1·基座大模型
68 分
Artificial Analysis 正式推出针对 OpenAI HealthBench 和 HealthBench Professional 的公开排行榜。该基准通过医生制定的评分标准,评估 AI 模型在真实医疗对话中的表现,涵盖准确性、完整性及沟通质量等五个维度。初步数据显示,GPT-6 Sol 在沟通质量上领先但完整性较弱,而 Claude Sonnet 5.5 则在完整性方面表现最佳。