GPT-5.6医疗评估：医生挑出的错误比医生写的回答还少

OpenAI发布GPT-5.6系列，在医疗任务中表现优于医生。最小变体GPT-5.6 Luna在最低推理努力下即超越GPT-5.5最高推理努力，成本降低25倍。最大变体GPT-5.6 Sol创下新标杆。研究收集了患者和临床医生两类任务，由专科医生花费无限时间并联网撰写回答，再由另一些医生盲评。在20000次轴评级（准确性、沟通、完整性、指令遵循、健康决策有用性）中，所有GPT-5.6变体在完美率上显著超过医生。