Benchmark · general

HealthBench

16 परिणाम 6 मॉडल

OpenAI's physician-graded health-conversation benchmark.

0 14 28 42 56 2025-08-07 2026-02-08 2026-08-13 GPT-5 · 46.2 · 2025-08-07 VITA · 51.9 · 2026-08-13 VITA · 51.9 · 2026-08-13 VITA · 51.9 · 2026-08-13 GPT-5.4 · 46.1 · 2026-08-13 GPT-5.4 · 46.1 · 2026-08-13 GPT-5.4 · 46.1 · 2026-08-13 o4-mini · 44.3 · 2026-08-13 o4-mini · 44.3 · 2026-08-13 o4-mini · 44.3 · 2026-08-13 Gemini 3.1 Pro · 42.6 · 2026-08-13 Gemini 3.1 Pro · 42.6 · 2026-08-13 Gemini 3.1 Pro · 42.6 · 2026-08-13 Claude Sonnet 4.6 · 37.3 · 2026-08-13 Claude Sonnet 4.6 · 37.3 · 2026-08-13 Claude Sonnet 4.6 · 37.3 · 2026-08-13
GPT-5 VITA GPT-5.4 o4-mini Gemini 3.1 Pro Claude Sonnet 4.6
समयरेखा
तारीख़ मॉडल स्कोर स्रोत
2026-08-13 VITA 51.9% VITA क्लिनिकल RAG HealthBench पर फ्रंटियर LLMs के बराबर या बेहतर प्रदर्शन करता है
2026-08-13 GPT-5.4 46.1% VITA क्लिनिकल RAG HealthBench पर फ्रंटियर LLMs के बराबर या बेहतर प्रदर्शन करता है
2026-08-13 o4-mini 44.3% VITA क्लिनिकल RAG HealthBench पर फ्रंटियर LLMs के बराबर या बेहतर प्रदर्शन करता है
2026-08-13 Gemini 3.1 Pro 42.6% VITA क्लिनिकल RAG HealthBench पर फ्रंटियर LLMs के बराबर या बेहतर प्रदर्शन करता है
2026-08-13 Claude Sonnet 4.6 37.3% VITA क्लिनिकल RAG HealthBench पर फ्रंटियर LLMs के बराबर या बेहतर प्रदर्शन करता है
2026-08-13 VITA 51.9% HealthBench पर Corpus-विशिष्ट VITA RAG फ्रंटियर LLMs के बराबर या बेहतर
2026-08-13 GPT-5.4 46.1% HealthBench पर Corpus-विशिष्ट VITA RAG फ्रंटियर LLMs के बराबर या बेहतर
2026-08-13 o4-mini 44.3% HealthBench पर Corpus-विशिष्ट VITA RAG फ्रंटियर LLMs के बराबर या बेहतर
2026-08-13 Gemini 3.1 Pro 42.6% HealthBench पर Corpus-विशिष्ट VITA RAG फ्रंटियर LLMs के बराबर या बेहतर
2026-08-13 Claude Sonnet 4.6 37.3% HealthBench पर Corpus-विशिष्ट VITA RAG फ्रंटियर LLMs के बराबर या बेहतर
2026-08-13 VITA 51.9% HealthBench पर VITA क्लिनिकल RAG सिस्टम फ्रंटियर LLMs के बराबर या बेहतर है
2026-08-13 GPT-5.4 46.1% HealthBench पर VITA क्लिनिकल RAG सिस्टम फ्रंटियर LLMs के बराबर या बेहतर है
2026-08-13 o4-mini 44.3% HealthBench पर VITA क्लिनिकल RAG सिस्टम फ्रंटियर LLMs के बराबर या बेहतर है
2026-08-13 Gemini 3.1 Pro 42.6% HealthBench पर VITA क्लिनिकल RAG सिस्टम फ्रंटियर LLMs के बराबर या बेहतर है
2026-08-13 Claude Sonnet 4.6 37.3% HealthBench पर VITA क्लिनिकल RAG सिस्टम फ्रंटियर LLMs के बराबर या बेहतर है
2025-08-07 GPT-5 46.2% ओपनएआई ने अनुकूलित तर्कशक्ति और एकीकृत वास्तुकला के साथ GPT-5 लॉन्च किया