HyperAI
Command Palette
Search for a command to run...
HealthBench
OpenAIのHealthBench：5,000の健康に関する会話を医師作成のルーブリックで採点する。救急紹介からグローバルヘルスまでを扱う。
- モデル
- 15 現在、 19 合計
- 中央値
- 58.5%
- 範囲
- 48.4%–62.1%
| ランク | 比較する | モデル | スコア |
|---|---|---|---|
| 1 | 62.1% | ||
| 2 | 60.4% | ||
| 3 | 60.2% | ||
| 4 | 59.8% | ||
| 5 | 59.7% | ||
| 6 | 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 | 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% |