Today for AI
返回热点榜
llm热度 26.5°

AI 聚合热点事件 · 2026/10/20

Artificial Analysis 上线 HealthBench 医疗对话评测榜

1 篇收录报道1 家独立信源交叉印证持续跟踪至 2026/10/20 07:03:30
全景综述与最新动态
1 家信源交叉印证

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。

最新动向/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。

热度曲线逐小时热度走势

2 个完整观测小时
连续完整观测不足 3 个小时，暂不绘制趋势曲线。

TIMELINE报道时间线

共 1 篇 · 最新优先
  1. Artificial Analysis (@ArtificialAnlys)T1·68 分

    Artificial Analysis 上线 HealthBench 医疗对话评测榜

    原标题：We’re launching leaderboards for HealthBench and HealthBench Professional, two benchmarks evaluating...

    • HealthBench 包含 5000 个日常用户对话，HealthBench Professional 包含 525 个临床医生对话
    • 评分维度包括准确性、完整性、沟通质量、上下文感知和指令遵循
    • GPT-6 Sol 沟通质量最高（81%）但完整性最低（34%），Claude Sonnet 5.5 完整性最高（63%）