HealthBench Professional

HealthBench Professional von OpenAI: 525 Klinikergespräche zu Beratungs-, Schreib- und Rechercheaufgaben, bewertet anhand von von Ärzten verfassten Rubriken.

Modelle: 15 aktuell, 19 insgesamt
Median: 63.0%
Bereich: 51.7%–68.1%

Bewertungsverteilung

Niedrigste: 51.7%
Median: 63.0%
Höchste: 68.1%

Bestenliste

Veraltete Modelle einschließen

Daten von Artificial Analysis

Rang	Vergleichen	Modell	Ergebnis
1		Claude Fable 5.2 (Xhigh, Default Fallback) Anthropic	68.1%
2		Claude Fable 5.2 (Max, Default Fallback) Anthropic	67.7%
3		Claude Fable 5.2 (High, Default Fallback) Anthropic	67.6%
4		Claude Fable 5.2 (Medium, Default Fallback) Anthropic	67.0%
5		Claude Fable 5.2 (Low, Default Fallback) Anthropic	66.9%
6		GPT-6 Astra (Max) OpenAI	66.0%
7		GPT-6.1 Sol (Max) OpenAI	65.1%
8		Claude Sonnet 5.5 (Max, Default Fallback) Anthropic	63.0%
9		GPT-6 Luna (Max) OpenAI	61.9%
10		Claude Opus 5.5 (Max, Default Fallback) Anthropic	59.9%
11		Claude Haiku 5.5 (Max) Anthropic	58.4%
12		Grok 4.7 (Xhigh) SpaceXAI	55.8%
13		Gemini 4 Argon (High) Google	55.1%
14		GLM-5.3 (Max) Z AI	52.8%
15		Gemini 3.8 Flash (High) Google	51.7%

1
Claude Fable 5.2 (Xhigh, Default Fallback)
Anthropic
68.1%
2
Claude Fable 5.2 (Max, Default Fallback)