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 | 模型 | 开源情况 | |||
|---|---|---|---|---|---|
— |  GPT-6 Sol unknown | 96.20 | 2026-09-22 | 未知 | 闭源 |
— | GPT-6 Luna unknown | 95.90 | 2026-09-22 | 未知 | 闭源 |
