Artificial Analysis上线HealthBench双排行榜

先了解这件事

AI 综述

Artificial Analysis 上线了 OpenAI 的 HealthBench 与 HealthBench Professional 两个健康对话基准的排行榜。其中,HealthBench 包含 5000 段与普通用户及卫生工作者的对话,HealthBench Professional 则为 525 段全部面向临床医生的对话。榜单结果显示,在 HealthBench Professional 上,GPT-6 Astra(max)以 66.0% 的长度调整分居首,GPT-6.1 Sol(max)为 65.1%,Claude Sonnet 5.5(max with fallback)为 63.0%;在 HealthBench 上,Claude Sonnet 5.5(max with fallback)以 62.1% 领先,DeepSeek V4.1 Flash(max)为 60.9%。此外,Claude Opus 5.5 与 Claude Fable 5.1 平均回答约 5900 字符,长度调整后失分超过 11 分。目前尚无后续发展。

AI 根据公开报道生成

最新进展 · 正式报道10月20日 07:03

Artificial Analysis 上线 HealthBench 双榜单

事件进展

1 个已确认进展

报道日期 10月20日 · 2 篇报道
Artificial Analysis上线HealthBench与HealthBench Professional排行榜
来源：Artificial Analysis 完整文章

报道与讨论时间线

按时间查看正式报道与传播讨论；两类内容的证据等级保持独立。

10月20日

07:03
Artificial Analysis
Artificial Analysis 上线 HealthBench 双榜单
Artificial Analysis 为 OpenAI 的 HealthBench 与 HealthBench Professional 两个医疗对话基准推出排行榜。HealthBench Professional 上 GPT-6 Astra（max）以 66.0% 的长度调整分居首，GPT-6.1 Sol（max）65.1%、Claude Sonnet 5.5（max with fallback）63.0% 紧随；HealthBench 则由 Claude Sonnet 5.5 以 62.1% 登顶，DeepSeek V4.1 Flash 60.9%。Claude Opus 5.5 原始分最高（71.4%），但因平均回答约 5,900 字符、接近 2,000 字符阈值 3 倍，调整后跌至 59.9%。

10月19日

08:00
Artificial Analysis 完整文章一手精选
Artificial Analysis 上线 HealthBench 与 HealthBench…
Artificial Analysis 为 OpenAI 的 HealthBench 和 HealthBench Professional 两个健康对话基准上线排行榜，前者含 5000 段与普通用户及卫生工作者的对话，后者为 525 段全部面向临床医生的对话。HealthBench Professional 上 GPT-6 Astra（max）以 66.0% 的长度调整分居首，GPT-6.1 Sol（max）为 65.1%，Claude Sonnet 5.5（max with fallback）为 63.0%。HealthBench 上 Claude Sonnet 5.5（max with fallback）以 62.1% 领先，DeepSeek V4.1 Flash（max）为 60.9%；Claude Opus 5.5 与 Claude Fable 5.1 平均回答约 5900 字符，长度调整后失分超过 11 分。