Artificial Analysis 发布 HealthBench 和 HealthBench Professional 排行榜

1篇报道 1个报道来源 3 小时前更新

先了解这件事

AI 综述

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。

AI 根据报道生成 · 2 小时前更新

最新进展10月20日 07:03

Artificial Analysis 发布 HealthBench 和 HealthBench Professional 排行榜 Artificial Analysis · X

提到的模型

GPT-6 Astra综合榜第 2每百万 Token 输入 $10 / 输出 $50
Claude Sonnet 5.5综合榜第 8每百万 Token 输入 $2 / 输出 $10
Claude Opus 5.5综合榜第 1每百万 Token 输入 $4 / 输出 $20

对比两者的 API 价格全部模型的 API 价格

报道时间线

沿着报道，了解事件的不同侧面。

10月20日

07:03
Artificial Analysis · X
Artificial Analysis 发布 HealthBench 和 HealthBench Professional 排行榜
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%。

和上面这份一样：几件值得看的事。免费，点确认信之后才会开始发送，每封信都能一键退订。看一份往期日报

本事件热度走势

还没有足够的连续观测数据，暂不绘制趋势。