AI 评测与排行榜，分别告诉你什么
分清评测基准、一次评测运行与排行榜，用它们回答各自适合的问题。
LLM Stats
HealthBench Professional
HealthBench Professional evaluates model capability and safety for clinician use cases using real clinician-style chats and physician-authored grading rubrics.
评测信息与证据
- 来源
- LLM Stats
- 发布者
- 未收录
- 评测发布日期
- 未收录
- 采集日期
- 2026-08-17
- 模态
- text
本站保留来源报告的结果，不代表独立复测。请先核对任务版本、评测协议、分数单位和报告日期；不同运行条件不能直接合并为统一排名。
原始资料
报告成绩 9
按来源中的观察顺序展示，顺序不代表排名。日期保留原始精度。
| 模型 | 数值 | 单位 | 协议 | 报告日期与口径 | 来源 |
|---|---|---|---|---|---|
| Claude Fable 5 | 0.66 | 未收录 | 未收录 | 2026-06-09 · model_announcement | LLM Stats |
| GPT-5.6 Sol | 0.605 | 未收录 | 未收录 | 2026-07-09 · model_announcement | LLM Stats |
| Claude Opus 5 | 0.598 | 未收录 | 未收录 | 2026-07-24 · model_announcement | LLM Stats |
| Claude Sonnet 5 | 0.578 | 未收录 | 未收录 | 2026-06-30 · model_announcement | LLM Stats |
| GPT-5.6 Terra | 0.577 | 未收录 | 未收录 | 2026-07-09 · model_announcement | LLM Stats |
| Claude Opus 4.8 | 0.558 | 未收录 | 未收录 | 2026-05-28 · model_announcement | LLM Stats |
| GPT-5.6 Luna | 0.557 | 未收录 | 未收录 | 2026-07-09 · model_announcement | LLM Stats |
| GPT-5.5 Instant | 0.384 | 未收录 | 未收录 | 2026-05-05 · model_announcement | LLM Stats |
| MAI-Thinking-1 | 0.35 | 未收录 | 未收录 | 2026-06-02 · model_announcement | LLM Stats |