Бенчмарк · general

HealthBench

16 результатов 6 моделей

OpenAI's physician-graded health-conversation benchmark.

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

Хронология

Дата	Модель	Результат	Источник
2026-08-13	VITA	51.9%	VITA клинический RAG соответствует или превосходит передовые LLM в HealthBench
2026-08-13	GPT-5.4	46.1%	VITA клинический RAG соответствует или превосходит передовые LLM в HealthBench
2026-08-13	o4-mini	44.3%	VITA клинический RAG соответствует или превосходит передовые LLM в HealthBench
2026-08-13	Gemini 3.1 Pro	42.6%	VITA клинический RAG соответствует или превосходит передовые LLM в HealthBench
2026-08-13	Claude Sonnet 4.6	37.3%	VITA клинический RAG соответствует или превосходит передовые LLM в HealthBench
2026-08-13	VITA	51.9%	Специализированная VITA RAG соответствует или превосходит передовые LLM в HealthBench
2026-08-13	GPT-5.4	46.1%	Специализированная VITA RAG соответствует или превосходит передовые LLM в HealthBench
2026-08-13	o4-mini	44.3%	Специализированная VITA RAG соответствует или превосходит передовые LLM в HealthBench
2026-08-13	Gemini 3.1 Pro	42.6%	Специализированная VITA RAG соответствует или превосходит передовые LLM в HealthBench
2026-08-13	Claude Sonnet 4.6	37.3%	Специализированная VITA RAG соответствует или превосходит передовые LLM в HealthBench
2026-08-13	VITA	51.9%	Клиническая RAG-система VITA соответствует или превосходит передовые LLM в HealthBench
2026-08-13	GPT-5.4	46.1%	Клиническая RAG-система VITA соответствует или превосходит передовые LLM в HealthBench
2026-08-13	o4-mini	44.3%	Клиническая RAG-система VITA соответствует или превосходит передовые LLM в HealthBench
2026-08-13	Gemini 3.1 Pro	42.6%	Клиническая RAG-система VITA соответствует или превосходит передовые LLM в HealthBench
2026-08-13	Claude Sonnet 4.6	37.3%	Клиническая RAG-система VITA соответствует или превосходит передовые LLM в HealthBench
2025-08-07	GPT-5	46.2%	OpenAI запускает GPT-5 с адаптивным рассуждением и единой архитектурой