Benchmark · general

HealthBench

16 resultados 6 modelos

OpenAI's physician-graded health-conversation benchmark.

GPT-5 VITA GPT-5.4 o4-mini Gemini 3.1 Pro Claude Sonnet 4.6

Cronología

Fecha	Modelo	Puntuación	Fuente
2026-08-13	VITA	51.9%	VITA clínico RAG iguala o supera a los LLM de vanguardia en HealthBench
2026-08-13	GPT-5.4	46.1%	VITA clínico RAG iguala o supera a los LLM de vanguardia en HealthBench
2026-08-13	o4-mini	44.3%	VITA clínico RAG iguala o supera a los LLM de vanguardia en HealthBench
2026-08-13	Gemini 3.1 Pro	42.6%	VITA clínico RAG iguala o supera a los LLM de vanguardia en HealthBench
2026-08-13	Claude Sonnet 4.6	37.3%	VITA clínico RAG iguala o supera a los LLM de vanguardia en HealthBench
2026-08-13	VITA	51.9%	VITA específico del corpus iguala o supera a los LLM de vanguardia en HealthBench
2026-08-13	GPT-5.4	46.1%	VITA específico del corpus iguala o supera a los LLM de vanguardia en HealthBench
2026-08-13	o4-mini	44.3%	VITA específico del corpus iguala o supera a los LLM de vanguardia en HealthBench
2026-08-13	Gemini 3.1 Pro	42.6%	VITA específico del corpus iguala o supera a los LLM de vanguardia en HealthBench
2026-08-13	Claude Sonnet 4.6	37.3%	VITA específico del corpus iguala o supera a los LLM de vanguardia en HealthBench
2026-08-13	VITA	51.9%	El sistema RAG clínico VITA iguala o supera a los LLM de vanguardia en HealthBench
2026-08-13	GPT-5.4	46.1%	El sistema RAG clínico VITA iguala o supera a los LLM de vanguardia en HealthBench
2026-08-13	o4-mini	44.3%	El sistema RAG clínico VITA iguala o supera a los LLM de vanguardia en HealthBench
2026-08-13	Gemini 3.1 Pro	42.6%	El sistema RAG clínico VITA iguala o supera a los LLM de vanguardia en HealthBench
2026-08-13	Claude Sonnet 4.6	37.3%	El sistema RAG clínico VITA iguala o supera a los LLM de vanguardia en HealthBench
2025-08-07	GPT-5	46.2%	OpenAI lanza GPT-5 con razonamiento adaptativo y arquitectura unificada