厂商自报指标:这是单个厂商在自家发布材料中报告的评测,其他模型没有可比成绩,因此不作为独立榜单收录,只在相关模型页展示。
HealthBench Consensus 取 HealthBench 中 3671 条样例,只保留经多位医生一致认可的评分要点,属于医生共识验证程度更高的口径——精确率更高但对模型失误的召回更低,因此分数普遍高于 HealthBench 主榜。本条目记录长度校正口径。
查看 HealthBench Consensus (length-adjusted) 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
排名规则:按「Length-adjusted score (%)」从高到低排列,同分并列。
| 排名 | 模型 | 开源情况 | |||
|---|---|---|---|---|---|
![]() GPT-6 Sol unknown | 96.20 | 2026-09-22 | 未知 | 闭源 | |
![]() GPT-6.1 Sol 思考水平·Max | 96.00 | 2026-09-29 | 未知 | 闭源 | |
![]() GPT-6 Luna unknown | 95.90 | 2026-09-22 | 未知 | 闭源 | |
4 | ![]() GPT-5.5 思考水平·Max | 95.60 | 2026-04-23 | 未知 | 闭源 |
5 | ![]() GPT-5.6 Sol 思考水平·Max | 95.50 | 2026-06-26 | 未知 | 闭源 |
5 | ![]() GPT-6 Astra 思考水平·Max | 95.50 | 2026-09-03 | 未知 | 闭源 |
7 | ![]() GPT-5.6 Terra 思考水平·Max | 95.10 | 2026-06-26 | 未知 | 闭源 |
7 | ![]() GPT-5.6 Luna 思考水平·Max | 95.10 | 2026-06-26 | 未知 | 闭源 |
7 | ![]() GPT-6.1 Terra 思考水平·Max | 95.10 | 2026-10-26 | 未知 | 闭源 |