GPT-5.6 Sol · HealthBench Professional · 525 physician-authored conversations · 成绩与配置

GPT-5.6 Sol 的 HealthBench Professional · 525 physician-authored conversations 记录。本次发布有 4 条成绩记录,含 4 条精确值(可含历史记录),附 3 条来源定位。

成绩与评测条件

GPT-5.6 Sol · HealthBench Professional 成绩与配置
指标与成绩配置与评测条件出处
Score60.5%原文 60.5% · 单位 %
公布 未确认
GPT-5.6 Sol table result
设置
GPT-5.6 Sol; article table does not print the effort label for this row.
未知项
Effort may be identified by a matching loaded chart; otherwise it remains unknown.
工具
工具条件未记录
推理预算
未记录
框架
未记录
协议
未说明
条件
GPT-5.6 Sol; effort is not printed in the table. Official scoring approach; source warns results are not comparable with Anthropic system-card scores.
在排名中查看此成绩
长度校正分(0–100)60.5 score原文 60.5 · 单位 score
公布 未确认
GPT-5.6 Sol HealthBench evaluations
设置
HealthBench and HealthBench Professional-family evaluations; table reports length-adjusted scores.
未知项
Reasoning effort、Grader version for each GPT-5.6 score、System-level safeguards、Exact benchmark data snapshot
工具
工具条件未记录
推理预算
未记录
框架
未记录
协议
OpenAI 系统卡 HealthBench 计分;2,000 字符不调整,每多 500 字符减 1.47 分,较短回复对应加分;grader 未说明。
条件
Length penalty is 1.47 points per 500 characters beyond 2,000; response length 3,228 characters. 系统卡明确采用 0–100 量表;保留原始分数字符串,不乘除数值。
在排名中查看此成绩
未校正分(0–100)64.1 score原文 64.1 · 单位 score
公布 未确认
GPT-5.6 Sol HealthBench evaluations
设置
HealthBench and HealthBench Professional-family evaluations; table reports length-adjusted scores.
未知项
Reasoning effort、Grader version for each GPT-5.6 score、System-level safeguards、Exact benchmark data snapshot
工具
工具条件未记录
推理预算
未记录
框架
未记录
协议
OpenAI 系统卡 HealthBench 计分;2,000 字符不调整,每多 500 字符减 1.47 分,较短回复对应加分;grader 未说明。
条件
Table reports the tuple as length-adjusted score (unadjusted score, mean response length in characters). 系统卡明确采用 0–100 量表;保留原始分数字符串,不乘除数值。
在排名中查看此成绩
Mean response length3228 characters原文 3228 · 单位 characters
公布 未确认
GPT-5.6 Sol HealthBench evaluations
设置
HealthBench and HealthBench Professional-family evaluations; table reports length-adjusted scores.
未知项
Reasoning effort、Grader version for each GPT-5.6 score、System-level safeguards、Exact benchmark data snapshot
工具
工具条件未记录
推理预算
未记录
框架
未记录
协议
OpenAI 系统卡 HealthBench 计分;2,000 字符不调整,每多 500 字符减 1.47 分,较短回复对应加分;grader 未说明。
条件
Table reports the tuple as length-adjusted score (unadjusted score, mean response length in characters).
在排名中查看此成绩

出处与披露

测试版本与指标

别名 HealthBench Professional

  • Raw score · % · 越高越好
  • Length-adjusted score · % · 越高越好
  • Score · % · 越高越好
  • Mean response length · characters · 排序方向未确认
  • 长度校正分(0–100) · score · 越高越好
  • 未校正分(0–100) · score · 越高越好
  • 相对 GPT-5.4 的长度校正分差 · points · 排序方向未确认
  • Unadjusted score · % · 越高越好