ベンチマーク / HealthBench Professional（長さ補正）
HealthBench Professional（長さ補正）
科学・数学・高いほど良い
このベンチマークとは
医療・健康分野の専門家向け評価。回答の長さによる有利不利を補正した値。
医療判断の代替ではなく、モデル間の相対比較用。
＊＝開発元の自社発表。 出典（表）ごとに分けています。同じ表の値どうしは同じ条件で比べられます。
OpenAI の表
OpenAI: GPT-6 Astra 発表（比較表・脚注） ↗比較表の他社モデル数値は OpenAI が掲載したもの。各社最大 effort の値。
- 1
GPT-6 Astra63.4%＊OpenAI・最大effort・長さ補正 - 2
Claude Fable 5 過去の版60.9%OpenAI（比較表に掲載）・最大effort・Claude 側の評価に修正あり - 3GPT-5.6 Sol 過去の版60.5%＊OpenAI・最大effort・長さ補正
- 4Claude Fable 5.158.1%OpenAI（比較表に掲載）・最大effort・Claude 側の評価に修正あり
- 5Claude Opus 5 過去の版56.4%OpenAI（比較表に掲載）・最大effort・Claude 側の評価に修正あり
- 6
Gemini 3.8 Flash52.1%OpenAI（比較表に掲載）・最大effort・長さ補正