一个专为低收入和中收入环境设计的名为VITA的专用检索增强生成（RAG）系统，在HealthBench基准测试中与通用大型语言模型进行了评估。在由GPT-4.1裁判评分的4,023个问题中，VITA以51.9%的准则得分排名第一，超越了GPT-5.4、o4-mini、Gemini 3.1 Pro和Claude Sonnet 4.6。
当使用中性开放权重裁判针对更新模型重新评估时，VITA在平均每题得分方面与GPT-5.5持平，同时在加权得分上领先，并赢得了最多的问题。 研究表明，语料库的特定性改善了临床背景下的 grounding（依据），使专业系统尽管可能在沟通润色方面略逊一筹，但仍能与前沿LLM保持竞争力。
| Benchmark | 模型 | 得分 |
|---|---|---|
| HealthBench | VITA | 51.9% |
| HealthBench | GPT-5.4 | 46.1% |
| HealthBench | o4-mini | 44.3% |
| HealthBench | Gemini 3.1 Pro | 42.6% |
| HealthBench | Claude Sonnet 4.6 | 37.3% |
VITA是一个专为低收入和中等收入环境设计的检索增强生成系统，在HealthBench的英文子集上排名第一，超越了GPT-5.4、o4-mini、Gemini 3.1 Pro和Claude Sonnet 4.6。
新的DeepSeek V4-Flash模型在ArtificialAnalysis指数中获得了50分的成绩。这一成绩使其仅比GLM-5.2和GPT-5.6 Luna低一分。
对三种开源稀疏混合专家模型——月之暗面的 Kimi K3、DeepSeek V4 Pro 以及智谱 AI 的 GLM-5.2——进行了比较，评估了它们在长周期编码和智能体工作负载方面的能力、许可条款及服务成本。
作者描述了他们的BioASQ Task 14B 2026系统，该系统专注于优化检索重取策略并结合来自多个语言模型的答案。该方法采用结合BGE和BM25的混合第一阶段检索管道，并与针对PubMed、Europe PMC和iCite的基于智能体的分解相结合。
一位用户开发并开源了一个用于 AI 助手的长期记忆管道，该管道在 Qwen3 235B A22B Instruct 2507 模型上运行其存储和检索组件。该系统在 LongMemEval-S 基准测试中获得了 470/500 的分数，在已知系统中排名第一，据报道其 token 效率比竞争对手高出约十倍。