HealthBench

HealthBench von OpenAI: 5.000 Gesundheitsgespräche, bewertet anhand von von Ärzten verfassten Rubriken, von Notfallüberweisungen bis zur globalen Gesundheit.

Modelle: 15 aktuell, 19 insgesamt
Median: 58.5%
Bereich: 48.4%–62.1%

Bewertungsverteilung

Niedrigste: 48.4%
Median: 58.5%
Höchste: 62.1%

Bestenliste

Veraltete Modelle einschließen

Daten von Artificial Analysis

Rang	Vergleichen	Modell	Ergebnis
1		Claude Sonnet 5.5 (Max, Default Fallback) Anthropic	62.1%
2		Claude Fable 5.2 (Low, Default Fallback) Anthropic	60.4%
3		Claude Fable 5.2 (Medium, Default Fallback) Anthropic	60.2%
4		Claude Fable 5.2 (High, Default Fallback) Anthropic	59.8%
5		Claude Fable 5.2 (Xhigh, Default Fallback) Anthropic	59.7%
6		Claude Fable 5.2 (Max, Default Fallback) Anthropic	59.6%
7		GPT-6.1 Sol (Max) OpenAI	58.5%
8		Claude Haiku 5.5 (Max) Anthropic	58.5%
9		GPT-6 Astra (Max) OpenAI	58.2%
10		Claude Opus 5.5 (Max, Default Fallback) Anthropic	57.0%
11		Grok 4.7 (Xhigh) SpaceXAI	56.0%
12		GPT-6 Luna (Max) OpenAI	54.6%
13		GLM-5.3 (Max) Z AI	54.5%
14		Gemini 4 Argon (High) Google	49.1%
15		Gemini 3.8 Flash (High) Google	48.4%

1
Claude Sonnet 5.5 (Max, Default Fallback)
Anthropic
62.1%
2
Claude Fable 5.2 (Low, Default Fallback)