先了解这件事
Artificial Analysis 于 2026 年 10 月 21 日更新 MLCR-AA 医疗长上下文推理榜单。榜单显示,Claude Sonnet 5.5(max with fallback)与 GPT-6 Astra(max)以 41.7% 的通过率并列第一,GPT-6.1 Sol(max)以 38.3% 紧随其后,Qwen3.8 2.4T A95B 以 30.6% 领跑开源权重模型。此次更新将提示词改为病历审阅者角色,要求结论与证据同段作答,评分改用三模型评审团,并复核 60 份专家参考答案、修订其中 15 份。榜单同时显示,病历审阅任务仍远未解决:无模型通过率超过 42%,中位模型不足 15%;Anthropic 模型包揽完整性前 18 名,Claude Sonnet 5.5 以 64.8% 居首,OpenAI 模型包揽准确性前 27 名,GPT-6.1 Sol 以 96.7% 居首。
AI 根据公开报道生成
最新动态 · 相关讨论
Teortaxes 参与了这场讨论事件进展
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
10月21日
Artificial Analysis
MLCR-AA 医疗长上下文榜单更新：Claude Sonnet 5.5 与 GPT-6 Astra 并列第一
Artificial Analysis 更新 MLCR-AA 医疗长上下文推理榜单，Claude Sonnet 5.5（max with fallback）与 GPT-6 Astra（max）以 41.7% 并列第一，GPT-6.1 Sol（max）以 38.3% 紧随其后，Qwen3.8 2.4T A95B 以 30.6% 领跑开源权重模型。此次更新将提示词改为病历审阅者角色并要求结论与证据同段作答，评分改用三模型评审团，并复核 60 份专家参考答案、修订其中 15 份。榜单显示病历审阅远未解决：无模型通过率超过 42%，中位模型不足 15%；Anthropic 模型包揽完整性前 18 名，Claude Sonnet 5.5 以 64.8% 居首，OpenAI 模型包揽准确性前 27 名，GPT-6.1 Sol 以 96.7% 居首。
本事件热度走势
- 当前
- 6
- 区间峰值
- 16 10月22日 13:00
- 近 24 小时变化
- -50%
移动指针或点击图表可查看每小时热度；键盘可用左右方向键切换。