HealthBench
نتائج معايير الذكاء الاصطناعي وأداء النماذج
النوع: percentageHealth
النتائج المسجلة
23
متوسط النقاط
54.33%
نطاق النقاط
30% - 67.20%
النموذج المتصدر
67.20% - GPT 5
النقاط بمرور الوقت
نقاط المعيار الفردية معروضة حسب التاريخ.
نتائج النماذج
| المؤسسة | النماذج | تاريخ الإبلاغ | أعلى نقطة | معلومات | مُبلَّغ عنها ذاتيًا | المصدر |
|---|---|---|---|---|---|---|
| GPT 5 | ٠٧ أغسطس ٢٠٢٥ | ٦٧٫٢٠٪ | With Thinking | نعم | المصدر | |
| Claude Opus 5 | ٢٤ يوليو ٢٠٢٦ | ٦٧٫١٠٪ | Raw score; adaptive thinking at max effort; no tools or custom system prompt; Claude Opus 4.8 grader; average of 5 trials | نعم | المصدر | |
| Claude Fable 5 | ٠٩ يونيو ٢٠٢٦ | ٦٦٪ | Professional; starred row in Anthropic's launch table | نعم | المصدر | |
| Claude Mythos 5 | ٠٩ يونيو ٢٠٢٦ | ٦٦٪ | Professional; starred row in Anthropic's launch table | نعم | المصدر | |
| GPT-6.1 Sol | ٢٩ سبتمبر ٢٠٢٦ | ٥٨٫٥٠٪ | HealthBench; length-adjusted score (unadjusted 56.7, mean response length 1701 chars); GPT-6.1 Terra system card | نعم | المصدر | |
| GPT-6 Astra | ٠٣ سبتمبر ٢٠٢٦ | ٥٨٫٣٠٪ | HealthBench; length-adjusted score (unadjusted 56.9, mean response length 1760 chars); GPT-6.1 Terra system card | نعم | المصدر | |
| Kimi K2 Thinking | ٠٦ نوفمبر ٢٠٢٥ | ٥٨٪ | inferred alias from kimi-k2-thinking-0905 | نعم | المصدر | |
| Seed 2.0 Pro | ١٤ فبراير ٢٠٢٦ | ٥٧٫٧٠٪ | Seed2 official benchmark table | HealthBench | نعم | المصدر | |
| GPT OSS 120b | ٠٥ أغسطس ٢٠٢٥ | ٥٧٫٦٠٪ | High Reasoning Effort | نعم | المصدر | |
| GPT OSS Safeguard 120b | ٢٩ أكتوبر ٢٠٢٥ | ٥٧٫٦٠٪ | inferred high-confidence family alias from gpt-oss-120b (score=0.5102; benches=7) | نعم | المصدر | |
| GPT 5.6 Terra | ٠٩ يوليو ٢٠٢٦ | ٥٧٪ | HealthBench; length-adjusted score (unadjusted 58.7, mean response length 2285 chars); GPT-6.1 Terra system card | نعم | المصدر | |
| GPT-6.1 Terra | ٢٦ أكتوبر ٢٠٢٦ | ٥٥٫١٠٪ | HealthBench; length-adjusted score (unadjusted 51.1, mean response length 1331 chars); GPT-6.1 Terra system card | نعم | المصدر | |
| GPT 5.3 Chat | ٠٣ مارس ٢٠٢٦ | ٥٤٫١٠٪ | - | نعم | المصدر | |
| Seed 2.0 Lite | ١٤ فبراير ٢٠٢٦ | ٥١٫٢٠٪ | Seed2 official benchmark table | HealthBench | نعم | المصدر | |
| GPT OSS 20b | ٠٥ أغسطس ٢٠٢٥ | ٤٢٫٥٠٪ | High Reasoning Effort | نعم | المصدر | |
| GPT OSS Safeguard 20b | ٢٩ أكتوبر ٢٠٢٥ | ٤٢٫٥٠٪ | inferred high-confidence family alias from gpt-oss-20b (score=0.5137; benches=7) | نعم | المصدر | |
| Seed 2.0 Mini | ١٤ فبراير ٢٠٢٦ | ٣٠٪ | Seed2 official benchmark table | HealthBench | نعم | المصدر |
