**AI 医疗评测新标杆：HealthBench 榜单揭晓，短答案模型在性价比上胜出**

_HealthBench Base and Prof: Evaluating models in realistic health conversations_

> OpenAI 推出的 HealthBench 与 HealthBench Professional 榜单正式开放，用于评估 AI 在真实医疗对话中的表现。评测发现，GPT-6 Astra 和 GPT-6.1 Sol 在专业医疗场景（HealthBench Professional）中表现最佳，而 Claude Sonnet 5.5 则在通用场景（HealthBench）中领先。关键洞察在于，虽然长答案模型（如 Claude Opus）在内容完整性上得分更高，但受限于长度惩罚机制，短小精悍的模型（如 GPT-6 Sol）在性价比（性能与成本）上更具优势。

**来源信息**
- **来源**：Hacker News：AI 热帖
- **分类**：ai-models
- **发布时间**：2026-10-20 15:39（北京时间）
- **原文**：[打开原文](https://artificialanalysis.ai/articles/healthbench-professional-health-conversations)