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
MedXpertQA
A comprehensive benchmark to evaluate expert-level medical knowledge and advanced reasoning, featuring 4,460 questions spanning 17 specialties and 11 body systems. Includes both text-only and multimodal subsets with expert-level exam questions incorporating diverse medical images and rich clinical information.
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
- multimodal
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 12
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 |
|---|---|---|---|---|---|
| Muse Spark | 0.784 | 未收录 | 未收录 | 2026-04-08 · model_announcement | LLM Stats |
| Qwen3.5-122B-A10B | 0.673 | 未收录 | 未收录 | 2026-02-24 · model_announcement | LLM Stats |
| Qwen3.5-27B | 0.624 | 未收录 | 未收录 | 2026-02-24 · model_announcement | LLM Stats |
| Qwen3.5-35B-A3B | 0.614 | 未收录 | 未收录 | 2026-02-24 · model_announcement | LLM Stats |
| Gemma 4 31B | 0.613 | 未收录 | 未收录 | 2026-04-02 · model_announcement | LLM Stats |
| Gemma 4 26B-A4B | 0.581 | 未收录 | 未收录 | 2026-04-02 · model_announcement | LLM Stats |
| DiffusionGemma 26B-A4B | 0.49 | 未收录 | 未收录 | 2026-06-10 · model_announcement | LLM Stats |
| Gemma 4 12B | 0.487 | 未收录 | 未收录 | 2026-05-23 · model_announcement | LLM Stats |
| MAI-Thinking-1 | 0.43 | 未收录 | 未收录 | 2026-06-02 · model_announcement | LLM Stats |
| Gemma 4 E4B | 0.287 | 未收录 | 未收录 | 2026-04-02 · model_announcement | LLM Stats |
| Gemma 4 E2B | 0.235 | 未收录 | 未收录 | 2026-04-02 · model_announcement | LLM Stats |
| MedGemma 4B IT | 0.188 | 未收录 | 未收录 | 2025-05-20 · model_announcement | LLM Stats |