Artificial Analysis 上线 HealthBench 系列排行榜

Artificial Analysis 为 OpenAI 的 HealthBench 与 HealthBench Professional 两个健康对话基准上线排行榜，分别覆盖 5,000 段日常用户对话和 525 段临床医生对话。 据 Artificial Analysis 称，评分沿用 OpenAI 的原始设置：HealthBench Professional 由 GPT-5.4 (low) 评分，HealthBench 由 GPT-4.1 评分。榜单同时给出原始分（获得的评分要点占比）和 OpenAI 报告的长度调整分；长度调整分对超过 2,000 字符的回答扣分，对更短的回答加分。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。