Benchmark · general

HealthBench

16 hasil 6 model

OpenAI's physician-graded health-conversation benchmark.

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

Linimasa

Tanggal	Model	Skor	Sumber
2026-08-13	VITA	51.9%	RAG klinis VITA menyamai atau mengungguli LLM terdepan pada HealthBench
2026-08-13	GPT-5.4	46.1%	RAG klinis VITA menyamai atau mengungguli LLM terdepan pada HealthBench
2026-08-13	o4-mini	44.3%	RAG klinis VITA menyamai atau mengungguli LLM terdepan pada HealthBench
2026-08-13	Gemini 3.1 Pro	42.6%	RAG klinis VITA menyamai atau mengungguli LLM terdepan pada HealthBench
2026-08-13	Claude Sonnet 4.6	37.3%	RAG klinis VITA menyamai atau mengungguli LLM terdepan pada HealthBench
2026-08-13	VITA	51.9%	VITA RAG khusus korpus cocok atau mengungguli LLM mutakhir di HealthBench
2026-08-13	GPT-5.4	46.1%	VITA RAG khusus korpus cocok atau mengungguli LLM mutakhir di HealthBench
2026-08-13	o4-mini	44.3%	VITA RAG khusus korpus cocok atau mengungguli LLM mutakhir di HealthBench
2026-08-13	Gemini 3.1 Pro	42.6%	VITA RAG khusus korpus cocok atau mengungguli LLM mutakhir di HealthBench
2026-08-13	Claude Sonnet 4.6	37.3%	VITA RAG khusus korpus cocok atau mengungguli LLM mutakhir di HealthBench
2026-08-13	VITA	51.9%	Sistem RAG klinis VITA menyamai atau mengungguli LLM terdepan di HealthBench
2026-08-13	GPT-5.4	46.1%	Sistem RAG klinis VITA menyamai atau mengungguli LLM terdepan di HealthBench
2026-08-13	o4-mini	44.3%	Sistem RAG klinis VITA menyamai atau mengungguli LLM terdepan di HealthBench
2026-08-13	Gemini 3.1 Pro	42.6%	Sistem RAG klinis VITA menyamai atau mengungguli LLM terdepan di HealthBench
2026-08-13	Claude Sonnet 4.6	37.3%	Sistem RAG klinis VITA menyamai atau mengungguli LLM terdepan di HealthBench
2025-08-07	GPT-5	46.2%	OpenAI meluncurkan GPT-5 dengan penalaran adaptif dan arsitektur terpadu