Artificial Analysis 上线 HealthBench 医疗对话模型排行榜

Artificial Analysis 为 OpenAI 的 HealthBench 与 HealthBench Professional 两个医疗基准上线了排行榜。HealthBench Professional 上 GPT-6 Astra（max）以 66.0% 的长度调整分数居首，领先 GPT-6.1 Sol（65.1%）和 Claude Sonnet 5.5（63.0%）。HealthBench 上 Claude Sonnet 5.5 得分 62.1% 排第一，DeepSeek V4.1 Flash 以 60.9% 位列第二。成本方面，DeepSeek V4.1 Flash 每任务花费 $0.005，Claude Sonnet 5.5 为 $0.08，价格相差约 16 倍而分数只差约 1 个点。Claude Opus 5.5 因回答平均长达约 5,900 字符，长度调整后从原始分 71.4% 跌至 59.9%。