HealthBench Hard
Resultados de evaluaciones comparativas de IA y rendimiento de modelos
Tipo: percentageHealth
Resultados registrados
19
Puntuación media
26.05%
Rango de puntuaciones
9% - 46.20%
Modelo líder
46.20% - GPT 5
Puntuaciones a lo largo del tiempo
Puntuaciones individuales de la evaluación a lo largo del tiempo.
Resultados de modelos
| Organización | Modelos | Fecha del resultado | Mejor puntuación | Información | Autodeclarado | Fuente |
|---|---|---|---|---|---|---|
| GPT 5 | 07 ago 2025 | 46,20 % | With Thinking | Sí | Fuente | |
| Muse Spark | 08 abr 2026 | 42,80 % | Open-ended health queries | Sí | Fuente | |
| GPT-6 Astra | 03 sept 2026 | 36,60 % | HealthBench Hard; length-adjusted score (unadjusted 34.2, mean response length 1697 chars); GPT-6.1 Terra system card | Sí | Fuente | |
| GPT-6.1 Sol | 29 sept 2026 | 36,20 % | HealthBench Hard; length-adjusted score (unadjusted 33.4, mean response length 1646 chars); GPT-6.1 Terra system card | Sí | Fuente | |
| GPT 5.6 Terra | 09 jul 2026 | 32,70 % | HealthBench Hard; length-adjusted score (unadjusted 34.3, mean response length 2199 chars); GPT-6.1 Terra system card | Sí | Fuente | |
| GPT-6.1 Terra | 26 oct 2026 | 31,40 % | HealthBench Hard; length-adjusted score (unadjusted 26, mean response length 1306 chars); GPT-6.1 Terra system card | Sí | Fuente | |
| GPT OSS 120b | 05 ago 2025 | 30 % | High Reasoning Effort | Sí | Fuente | |
| GPT OSS Safeguard 120b | 29 oct 2025 | 30 % | inferred high-confidence family alias from gpt-oss-120b (score=0.5102; benches=7) | Sí | Fuente | |
| Seed 2.0 Pro | 14 feb 2026 | 29,10 % | Seed2 official benchmark table | HealthBench - Hard | Sí | Fuente | |
| GPT 5.3 Chat | 03 mar 2026 | 25,90 % | - | Sí | Fuente | |
| Seed 2.0 Lite | 14 feb 2026 | 20 % | Seed2 official benchmark table | HealthBench - Hard | Sí | Fuente | |
| Seed 2.0 Mini | 14 feb 2026 | 15,30 % | Seed2 official benchmark table | HealthBench - Hard | Sí | Fuente | |
| GPT OSS 20b | 05 ago 2025 | 12,90 % | Medium Reasoning Effort | Sí | Fuente | |
| GPT OSS Safeguard 20b | 29 oct 2025 | 10,80 % | inferred high-confidence family alias from gpt-oss-20b (score=0.5137; benches=7) | Sí | Fuente |
