HealthBench Professional 由 525 段医生撰写的对话组成，覆盖临床会诊、病历文书与科研任务，按评分要点以 LLM-as-a-judge 打分。本条目记录未做长度校正的原始分；长度校正口径见 HealthBench Professional (length-adjusted)。
查看 HealthBench Professional 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 | 74.20 | 2026-09-01 | 未知 | 闭源 |
