Benchmark · general

HealthBench

16 条结果 6 个模型

OpenAI's physician-graded health-conversation benchmark.

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

时间线

日期	模型	得分	来源
2026-08-13	VITA	51.9%	VITA 临床 RAG 在 HealthBench 上匹配或超越前沿大语言模型
2026-08-13	GPT-5.4	46.1%	VITA 临床 RAG 在 HealthBench 上匹配或超越前沿大语言模型
2026-08-13	o4-mini	44.3%	VITA 临床 RAG 在 HealthBench 上匹配或超越前沿大语言模型
2026-08-13	Gemini 3.1 Pro	42.6%	VITA 临床 RAG 在 HealthBench 上匹配或超越前沿大语言模型
2026-08-13	Claude Sonnet 4.6	37.3%	VITA 临床 RAG 在 HealthBench 上匹配或超越前沿大语言模型
2026-08-13	VITA	51.9%	针对特定语料的VITA RAG在HealthBench上匹配或超越前沿LLM
2026-08-13	GPT-5.4	46.1%	针对特定语料的VITA RAG在HealthBench上匹配或超越前沿LLM
2026-08-13	o4-mini	44.3%	针对特定语料的VITA RAG在HealthBench上匹配或超越前沿LLM
2026-08-13	Gemini 3.1 Pro	42.6%	针对特定语料的VITA RAG在HealthBench上匹配或超越前沿LLM
2026-08-13	Claude Sonnet 4.6	37.3%	针对特定语料的VITA RAG在HealthBench上匹配或超越前沿LLM
2026-08-13	VITA	51.9%	VITA临床RAG系统在HealthBench上持平或超越前沿LLM
2026-08-13	GPT-5.4	46.1%	VITA临床RAG系统在HealthBench上持平或超越前沿LLM
2026-08-13	o4-mini	44.3%	VITA临床RAG系统在HealthBench上持平或超越前沿LLM
2026-08-13	Gemini 3.1 Pro	42.6%	VITA临床RAG系统在HealthBench上持平或超越前沿LLM
2026-08-13	Claude Sonnet 4.6	37.3%	VITA临床RAG系统在HealthBench上持平或超越前沿LLM
2025-08-07	GPT-5	46.2%	OpenAI 发布具备自适应推理与统一架构的 GPT-5