HealthBench 是 OpenAI 发布的开源医疗健康评测，用 48000 多条专家撰写的评分要点，对 5000 段真实场景的多轮医患对话在安全性、准确性和沟通质量上打分。本条目记录未做长度校正的原始分。
查看 HealthBench 的最新得分、模型模式、发布时间与参数规模，快速了解当前完整榜单表现。
数据优先来自官方发布（GitHub、Hugging Face、论文），其次为评测基准官方结果，最后为第三方评测机构数据。 了解数据收集方法
