先了解这件事
2026年10月22日,Artificial Analysis 在 MLCR-AA 与 HealthBench Professional 两项评测上对比了14款模型的医疗长文本表现。其结果显示,Claude Sonnet 5.5、Opus 5.5、Fable 5.1 包揽 MLCR-AA 完整性前三,领先最佳 OpenAI 模型约19至23分;Opus 与 Sonnet 的 HealthBench Professional 原始分分别为71.4%和70.8%,略高于 GPT-6 Astra 的69.7%。OpenAI 模型则占据 MLCR-AA 准确率前列,Anthropic 模型单次回答篇幅约为 OpenAI 的4至6倍,准确率为19%至61%,而 OpenAI 为89%至97%。GPT-6 Astra(max)在 MLCR-AA 上与 Claude Sonnet 5.5 并列第一,并在 HealthBench Professional 长度调整分上小幅领先;Claude Opus 5.5 则从原始分第一跌至长度调整分第六。
AI 根据公开报道生成
最新进展 · 正式报道
Anthropic 医疗回答更全，OpenAI 更准更简洁事件进展
1 个已确认进展
- 来源：Artificial Analysis
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22日
Artificial Analysis
Anthropic 医疗回答更全，OpenAI 更准更简洁
Artificial Analysis 在 MLCR-AA 与 HealthBench Professional 上对比 14 个模型：Claude Sonnet 5.5、Opus 5.5、Fable 5.1 包揽 MLCR-AA 完整性前三，领先最佳 OpenAI 模型约 19-23 分，Opus 与 Sonnet 的 HealthBench Professional 原始分达 71.4% 和 70.8%，略高于 GPT-6 Astra 的 69.7%。OpenAI 模型则占据 MLCR-AA 准确率前列，Anthropic 模型单次回答篇幅约为 OpenAI 的 4-6 倍，准确率仅 19-61%，而 OpenAI 为 89-97%。GPT-6 Astra（max）在 MLCR-AA 上与 Claude Sonnet 5.5 并列第一，并在 HealthBench Professional 长度调整分上小幅领先；Claude Opus 5.5 则从原始分第一跌至长度调整分第六。