PhaseoPhaseo
ModelosChatCompararAplicacionesClasificaciones

Ayuda a mantener correctos los datos públicos

¿Ves algo que falta, es incorrecto o está desactualizado? Cuéntanoslo sobre esta página.

PhaseoPhaseo
Comprobando el estadoComprobando el estadoVisitar la página de estado
El estado por componente no está disponible.

Explorar

  • Modelos
  • Chat
  • Proveedores
  • Aplicaciones
  • Clasificaciones
  • Herramientas

Recursos

  • Comparar
  • Guías de migración
  • Metodología
  • Blog

Comunidad

  • Discord
  • GitHub
  • LinkedIn
  • Reddit
  • X

Desarrollar

  • Documentación
  • Referencia de la API
  • Inicio rápido
  • SDK

Empresa

  • Acerca de
  • Centro de confianza
  • Misión
  • Precios
  • Compatible con
  • Agradecimientos
  • Soporte
  • Privacidad
  • Términos

Explorar

  • Modelos
  • Chat
  • Proveedores
  • Aplicaciones
  • Clasificaciones
  • Herramientas

Desarrollar

  • Documentación
  • Referencia de la API
  • Inicio rápido
  • SDK

Recursos

  • Comparar
  • Guías de migración
  • Metodología
  • Blog

Empresa

  • Acerca de
  • Centro de confianza
  • Misión
  • Precios
  • Compatible con
  • Agradecimientos
  • Soporte
  • Privacidad
  • Términos

Comunidad

  • Discord
  • GitHub
  • LinkedIn
  • Reddit
  • X

© 2025 • Phaseo

Cambiar idioma: Español (España)
  • English (UK)
  • 简体中文
  • हिन्दी
  • Español (España)
  • Français (France)
  • Deutsch (Deutschland)
  • Português (Brasil)
  • 日本語
  • العربية

Ayuda:Problema·Soporte

¿Necesitas ayuda con Phaseo?Abrir un problemaocontactar con soporte

HealthBench

HealthBench

Resultados de evaluaciones comparativas de IA y rendimiento de modelos

Tipo: percentageHealth
Ver la fuente de la evaluación

Resultados registrados

23

Puntuación media

54.33%

Rango de puntuaciones

30% - 67.20%

Modelo líder

67.20% - GPT 5
Puntuaciones a lo largo del tiempo

Puntuaciones individuales de la evaluación a lo largo del tiempo.

Resultados de modelos

OrganizaciónModelosFecha del resultadoMejor puntuaciónInformaciónAutodeclaradoFuente
OpenAIOpenAI
OpenAI
GPT 507 ago 202567,20 %With ThinkingSíFuente
AnthropicAnthropic
Anthropic
Claude Opus 524 jul 202667,10 %Raw score; adaptive thinking at max effort; no tools or custom system prompt; Claude Opus 4.8 grader; average of 5 trialsSíFuente
AnthropicAnthropic
Anthropic
Claude Fable 509 jun 202666 %Professional; starred row in Anthropic's launch tableSíFuente
AnthropicAnthropic
Anthropic
Claude Mythos 509 jun 202666 %Professional; starred row in Anthropic's launch tableSíFuente
OpenAIOpenAI
OpenAI
GPT-6.1 Sol29 sept 202658,50 %HealthBench; length-adjusted score (unadjusted 56.7, mean response length 1701 chars); GPT-6.1 Terra system cardSíFuente
OpenAIOpenAI
OpenAI
GPT-6 Astra03 sept 202658,30 %HealthBench; length-adjusted score (unadjusted 56.9, mean response length 1760 chars); GPT-6.1 Terra system cardSíFuente
MoonshotMoonshot
Moonshot
Kimi K2 Thinking06 nov 202558 %inferred alias from kimi-k2-thinking-0905SíFuente
ByteDance
ByteDance
Seed 2.0 Pro14 feb 202657,70 %Seed2 official benchmark table | HealthBenchSíFuente
OpenAIOpenAI
OpenAI
GPT OSS 120b05 ago 202557,60 %High Reasoning EffortSíFuente
OpenAIOpenAI
OpenAI
GPT OSS Safeguard 120b29 oct 202557,60 %inferred high-confidence family alias from gpt-oss-120b (score=0.5102; benches=7)SíFuente
OpenAIOpenAI
OpenAI
GPT 5.6 Terra09 jul 202657 %HealthBench; length-adjusted score (unadjusted 58.7, mean response length 2285 chars); GPT-6.1 Terra system cardSíFuente
OpenAIOpenAI
OpenAI
GPT-6.1 Terra26 oct 202655,10 %HealthBench; length-adjusted score (unadjusted 51.1, mean response length 1331 chars); GPT-6.1 Terra system cardSíFuente
OpenAIOpenAI
OpenAI
GPT 5.3 Chat03 mar 202654,10 %-SíFuente
ByteDance
ByteDance
Seed 2.0 Lite14 feb 202651,20 %Seed2 official benchmark table | HealthBenchSíFuente
OpenAIOpenAI
OpenAI
GPT OSS 20b05 ago 202542,50 %High Reasoning EffortSíFuente
OpenAIOpenAI
OpenAI
GPT OSS Safeguard 20b29 oct 202542,50 %inferred high-confidence family alias from gpt-oss-20b (score=0.5137; benches=7)SíFuente
ByteDance
ByteDance
Seed 2.0 Mini14 feb 202630 %Seed2 official benchmark table | HealthBenchSíFuente
Informar de un problema
Registrarse