HyperAI
Command Palette
Search for a command to run...
HealthBench Professional
OpenAIのHealthBench Professional：診察、文書作成、リサーチのタスクを扱う525の臨床医会話を、医師作成のルーブリックで採点する。
- モデル
- 15 現在、 19 合計
- 中央値
- 63.0%
- 範囲
- 51.7%–68.1%
| ランク | 比較する | モデル | スコア |
|---|---|---|---|
| 1 | 68.1% | ||
| 2 | 67.7% | ||
| 3 | 67.6% | ||
| 4 | 67.0% | ||
| 5 | 66.9% | ||
| 6 |  GPT-6 Astra (Max) OpenAI | 66.0% | |
| 7 | GPT-6.1 Sol (Max) OpenAI | 65.1% | |
| 8 | 63.0% | ||
| 9 | GPT-6 Luna (Max) OpenAI | 61.9% | |
| 10 | 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% |