PhaseoPhaseo
मॉडलचैटतुलना करेंऐप्सरैंकिंग

सार्वजनिक डेटा को सही रखने में मदद करें

कुछ गायब, गलत या पुराना दिख रहा है? इस पेज के बारे में हमें बताएँ।

PhaseoPhaseo
स्थिति जांची जा रही हैस्थिति जांची जा रही हैस्थिति पृष्ठ पर जाएँ
घटक-स्तरीय स्थिति उपलब्ध नहीं है।

खोजें

  • मॉडल
  • चैट
  • प्रदाता
  • ऐप्स
  • रैंकिंग
  • टूल

संसाधन

  • तुलना करें
  • माइग्रेशन गाइड
  • कार्यप्रणाली
  • ब्लॉग

समुदाय

  • Discord
  • GitHub
  • LinkedIn
  • Reddit
  • X

बनाएँ

  • दस्तावेज़
  • API संदर्भ
  • त्वरित शुरुआत
  • SDKs

कंपनी

  • हमारे बारे में
  • विश्वास केंद्र
  • मिशन
  • मूल्य निर्धारण
  • इसके साथ काम करता है
  • आभार
  • सहायता
  • गोपनीयता
  • शर्तें

खोजें

  • मॉडल
  • चैट
  • प्रदाता
  • ऐप्स
  • रैंकिंग
  • टूल

बनाएँ

  • दस्तावेज़
  • API संदर्भ
  • त्वरित शुरुआत
  • SDKs

संसाधन

  • तुलना करें
  • माइग्रेशन गाइड
  • कार्यप्रणाली
  • ब्लॉग

कंपनी

  • हमारे बारे में
  • विश्वास केंद्र
  • मिशन
  • मूल्य निर्धारण
  • इसके साथ काम करता है
  • आभार
  • सहायता
  • गोपनीयता
  • शर्तें

समुदाय

  • Discord
  • GitHub
  • LinkedIn
  • Reddit
  • X

© 2025 • Phaseo

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

सहायता:समस्या·सहायता

Phaseo के लिए सहायता चाहिए?समस्या दर्ज करेंयासहायता से संपर्क करें

HealthBench Hard

HealthBench Hard

AI बेंचमार्क के परिणाम और मॉडल का प्रदर्शन

प्रकार: percentageHealth

दर्ज परिणाम

19

औसत स्कोर

26.05%

स्कोर सीमा

9% - 46.20%

अग्रणी मॉडल

46.20% - GPT 5
समय के साथ स्कोर

तारीख के अनुसार दिखाए गए अलग-अलग बेंचमार्क स्कोर।

मॉडल परिणाम

संगठनमॉडलरिपोर्ट किया गयासबसे ऊँचा स्कोरजानकारीस्व-रिपोर्ट किया गयास्रोत
OpenAIOpenAI
OpenAI
GPT 507 अग॰ 202546.20%With Thinkingहाँस्रोत
Meta
Meta
Muse Spark08 अप्रैल 202642.80%Open-ended health queriesहाँस्रोत
OpenAIOpenAI
OpenAI
GPT-6 Astra03 सित॰ 202636.60%HealthBench Hard; length-adjusted score (unadjusted 34.2, mean response length 1697 chars); GPT-6.1 Terra system cardहाँस्रोत
OpenAIOpenAI
OpenAI
GPT-6.1 Sol29 सित॰ 202636.20%HealthBench Hard; length-adjusted score (unadjusted 33.4, mean response length 1646 chars); GPT-6.1 Terra system cardहाँस्रोत
OpenAIOpenAI
OpenAI
GPT 5.6 Terra09 जुल॰ 202632.70%HealthBench Hard; length-adjusted score (unadjusted 34.3, mean response length 2199 chars); GPT-6.1 Terra system cardहाँस्रोत
OpenAIOpenAI
OpenAI
GPT-6.1 Terra26 अक्टू॰ 202631.40%HealthBench Hard; length-adjusted score (unadjusted 26, mean response length 1306 chars); GPT-6.1 Terra system cardहाँस्रोत
OpenAIOpenAI
OpenAI
GPT OSS 120b05 अग॰ 202530%High Reasoning Effortहाँस्रोत
OpenAIOpenAI
OpenAI
GPT OSS Safeguard 120b29 अक्टू॰ 202530%inferred high-confidence family alias from gpt-oss-120b (score=0.5102; benches=7)हाँस्रोत
ByteDance
ByteDance
Seed 2.0 Pro14 फ़र॰ 202629.10%Seed2 official benchmark table | HealthBench - Hardहाँस्रोत
OpenAIOpenAI
OpenAI
GPT 5.3 Chat03 मार्च 202625.90%-हाँस्रोत
ByteDance
ByteDance
Seed 2.0 Lite14 फ़र॰ 202620%Seed2 official benchmark table | HealthBench - Hardहाँस्रोत
ByteDance
ByteDance
Seed 2.0 Mini14 फ़र॰ 202615.30%Seed2 official benchmark table | HealthBench - Hardहाँस्रोत
OpenAIOpenAI
OpenAI
GPT OSS 20b05 अग॰ 202512.90%Medium Reasoning Effortहाँस्रोत
OpenAIOpenAI
OpenAI
GPT OSS Safeguard 20b29 अक्टू॰ 202510.80%inferred high-confidence family alias from gpt-oss-20b (score=0.5137; benches=7)हाँस्रोत
समस्या की रिपोर्ट करें
साइन अप करें