HealthBench
AI बेंचमार्क के परिणाम और मॉडल का प्रदर्शन
प्रकार: percentageHealth
दर्ज परिणाम
23
औसत स्कोर
54.33%
स्कोर सीमा
30% - 67.20%
अग्रणी मॉडल
67.20% - GPT 5
समय के साथ स्कोर
तारीख के अनुसार दिखाए गए अलग-अलग बेंचमार्क स्कोर।
मॉडल परिणाम
| संगठन | मॉडल | रिपोर्ट किया गया | सबसे ऊँचा स्कोर | जानकारी | स्व-रिपोर्ट किया गया | स्रोत |
|---|---|---|---|---|---|---|
| GPT 5 | 07 अग॰ 2025 | 67.20% | With Thinking | हाँ | स्रोत | |
| Claude Opus 5 | 24 जुल॰ 2026 | 67.10% | Raw score; adaptive thinking at max effort; no tools or custom system prompt; Claude Opus 4.8 grader; average of 5 trials | हाँ | स्रोत | |
| Claude Fable 5 | 09 जून 2026 | 66% | Professional; starred row in Anthropic's launch table | हाँ | स्रोत | |
| Claude Mythos 5 | 09 जून 2026 | 66% | Professional; starred row in Anthropic's launch table | हाँ | स्रोत | |
| GPT-6.1 Sol | 29 सित॰ 2026 | 58.50% | HealthBench; length-adjusted score (unadjusted 56.7, mean response length 1701 chars); GPT-6.1 Terra system card | हाँ | स्रोत | |
| GPT-6 Astra | 03 सित॰ 2026 | 58.30% | HealthBench; length-adjusted score (unadjusted 56.9, mean response length 1760 chars); GPT-6.1 Terra system card | हाँ | स्रोत | |
| Kimi K2 Thinking | 06 नव॰ 2025 | 58% | inferred alias from kimi-k2-thinking-0905 | हाँ | स्रोत | |
| Seed 2.0 Pro | 14 फ़र॰ 2026 | 57.70% | Seed2 official benchmark table | HealthBench | हाँ | स्रोत | |
| GPT OSS 120b | 05 अग॰ 2025 | 57.60% | High Reasoning Effort | हाँ | स्रोत | |
| GPT OSS Safeguard 120b | 29 अक्टू॰ 2025 | 57.60% | inferred high-confidence family alias from gpt-oss-120b (score=0.5102; benches=7) | हाँ | स्रोत | |
| GPT 5.6 Terra | 09 जुल॰ 2026 | 57% | HealthBench; length-adjusted score (unadjusted 58.7, mean response length 2285 chars); GPT-6.1 Terra system card | हाँ | स्रोत | |
| GPT-6.1 Terra | 26 अक्टू॰ 2026 | 55.10% | HealthBench; length-adjusted score (unadjusted 51.1, mean response length 1331 chars); GPT-6.1 Terra system card | हाँ | स्रोत | |
| GPT 5.3 Chat | 03 मार्च 2026 | 54.10% | - | हाँ | स्रोत | |
| Seed 2.0 Lite | 14 फ़र॰ 2026 | 51.20% | Seed2 official benchmark table | HealthBench | हाँ | स्रोत | |
| GPT OSS 20b | 05 अग॰ 2025 | 42.50% | High Reasoning Effort | हाँ | स्रोत | |
| GPT OSS Safeguard 20b | 29 अक्टू॰ 2025 | 42.50% | inferred high-confidence family alias from gpt-oss-20b (score=0.5137; benches=7) | हाँ | स्रोत | |
| Seed 2.0 Mini | 14 फ़र॰ 2026 | 30% | Seed2 official benchmark table | HealthBench | हाँ | स्रोत |
