HealthBench 的长度校正口径：对冗长回答施加惩罚后的得分，用于抵消模型靠堆砌篇幅命中评分要点带来的虚高。与未校正的原始分（HealthBench 条目）不可直接互比。
查看 HealthBench (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 | |||
|---|---|---|---|---|---|
— |  Claude Fable 5.1 思考水平·Max | 60.00 | 2026-09-01 | 未知 | 闭源 |
