Artificial Analysis 发布 HealthBench 和 HealthBench Professional 排行榜

发生了什么

Artificial Analysis 正在发布 OpenAI 的 HealthBench 和 HealthBench Professional 排行榜，报告基于医生制定的评分标准、针对真实健康对话的原始得分和长度调整后得分。 GPT-6 Astra（max）以 66.0% 领跑 HealthBench Professional，Claude Sonnet 5.5（max with fallback）则以 62.1% 领跑 HealthBench。 长度调整会对超过 2,000 个字符的回复扣分，并提高较短回复的得分；Claude Opus 5.5（max with fallback）的 Professional 原始得分最高，为 71.4%，但调整后降至第六名，得分为 59.9%。

这件事到目前为止

Artificial Analysis 发布了 OpenAI 的 HealthBench 和 HealthBench Professional 排行榜。在按长度调整后的 Professional 排名中，GPT-6 Astra（max）以 66.0% 领先；在 HealthBench 排名中，Claude Sonnet 5.5（max with fallback）以 62.1% 领先。这两项基准测试都使用医生制定的评分标准评估 AI 对真实健康对话的回答，排行榜则公布原始分数和按长度调整后的分数。 长度调整机制会对超过 2,000 个字符的回答扣分，并为较短的回答加分，这可能大幅改变排名。Claude Opus 5.5（max with fallback）的 HealthBench Professional 原始分数最高，为 71.4%；调整后则以 59.9% 排名第六。

继续阅读