מבחן הערכה
HealthBench
מדד משני · בהסתייגותזיקה מסחרית מוצהרת
מה הוא מודד
בריאות ורפואה: משימות רפואיות מקצועיות, לא החלטה קלינית
מה הוא לא מודד
- אינו בודק החלטה קלינית ואינו מיועד לשימוש בטיפול.
הערות על המבחן
Strong domain design but vendor-authored; use as disclosed supporting evidence.
תוצאות שנמדדו
| מערכת | ציון | פרוטוקול | מקור |
|---|---|---|---|
| Claude Sonnet 5.5 | 69.2 | HealthBench Professional · דיווח של הספק | קישור |
| Claude Opus 5.5 | 65.6 | HealthBench Professional · דיווח של הספק | קישור |
| Ling 3.1 Flash | 65.3 | HealthBench Professional · דיווח של הספק | קישור |
| GPT-6 Astra | 64.7 | HealthBench Professional · דיווח של הספק | קישור |
| GPT-6.1 Sol | 64.2 | HealthBench Professional · דיווח של הספק | קישור |
| Muse Wonder Full | 62.3 | HealthBench Professional · דיווח של הספק | קישור |
| GPT-6 Luna | 60.8 | HealthBench Professional · דיווח של הספק | קישור |
| GPT-6 Sol | 60.8 | HealthBench Professional · דיווח של הספק | קישור |
| GPT-5.6 Sol | 60.5 | HealthBench Professional · דיווח של הספק | קישור |
| Muse Wonder | 60.5 | HealthBench Professional · דיווח של הספק | קישור |
| Claude Opus 5 | 59.8 | HealthBench Professional · דיווח של הספק | קישור |
| Muse Spark 1.1 | 59.3 | HealthBench Professional · דיווח של הספק | קישור |
| GPT-5.6 Terra | 57.7 | HealthBench Professional · דיווח של הספק | קישור |
| GPT-5.6 Luna | 55.7 | HealthBench Professional · דיווח של הספק | קישור |
| GPT-5.4 | 48.1 | HealthBench Professional · מדידה בלוח עצמאי | קישור |
| Muse Spark | 42.8 | HealthBench Hard · דיווח של הספק | קישור |
| Gemini 3.1 Pro | 20.6 | HealthBench Hard · מקור לא מאומת | קישור |
| Claude Opus 4.6 | 14.8 | HealthBench Hard · מקור לא מאומת | קישור |