HealthBench
AIベンチマーク結果とモデルの性能
種類: percentageHealth
記録された結果
23
平均スコア
54.33%
スコアの範囲
30% - 67.20%
最上位モデル
67.20% - GPT 5
スコアの推移
日付ごとの個別ベンチマークスコアです。
モデル結果
| 組織 | モデル | 報告日 | 最高スコア | 情報 | 自己申告 | 出典 |
|---|---|---|---|---|---|---|
| GPT 5 | 2025年8月07日 | 67.20% | With Thinking | はい | 出典 | |
| Claude Opus 5 | 2026年7月24日 | 67.10% | Raw score; adaptive thinking at max effort; no tools or custom system prompt; Claude Opus 4.8 grader; average of 5 trials | はい | 出典 | |
| Claude Fable 5 | 2026年6月09日 | 66% | Professional; starred row in Anthropic's launch table | はい | 出典 | |
| Claude Mythos 5 | 2026年6月09日 | 66% | Professional; starred row in Anthropic's launch table | はい | 出典 | |
| GPT-6.1 Sol | 2026年9月29日 | 58.50% | HealthBench; length-adjusted score (unadjusted 56.7, mean response length 1701 chars); GPT-6.1 Terra system card | はい | 出典 | |
| GPT-6 Astra | 2026年9月03日 | 58.30% | HealthBench; length-adjusted score (unadjusted 56.9, mean response length 1760 chars); GPT-6.1 Terra system card | はい | 出典 | |
| Kimi K2 Thinking | 2025年11月06日 | 58% | inferred alias from kimi-k2-thinking-0905 | はい | 出典 | |
| Seed 2.0 Pro | 2026年2月14日 | 57.70% | Seed2 official benchmark table | HealthBench | はい | 出典 | |
| GPT OSS 120b | 2025年8月05日 | 57.60% | High Reasoning Effort | はい | 出典 | |
| GPT OSS Safeguard 120b | 2025年10月29日 | 57.60% | inferred high-confidence family alias from gpt-oss-120b (score=0.5102; benches=7) | はい | 出典 | |
| GPT 5.6 Terra | 2026年7月09日 | 57% | HealthBench; length-adjusted score (unadjusted 58.7, mean response length 2285 chars); GPT-6.1 Terra system card | はい | 出典 | |
| GPT-6.1 Terra | 2026年10月26日 | 55.10% | HealthBench; length-adjusted score (unadjusted 51.1, mean response length 1331 chars); GPT-6.1 Terra system card | はい | 出典 | |
| GPT 5.3 Chat | 2026年3月03日 | 54.10% | - | はい | 出典 | |
| Seed 2.0 Lite | 2026年2月14日 | 51.20% | Seed2 official benchmark table | HealthBench | はい | 出典 | |
| GPT OSS 20b | 2025年8月05日 | 42.50% | High Reasoning Effort | はい | 出典 | |
| GPT OSS Safeguard 20b | 2025年10月29日 | 42.50% | inferred high-confidence family alias from gpt-oss-20b (score=0.5137; benches=7) | はい | 出典 | |
| Seed 2.0 Mini | 2026年2月14日 | 30% | Seed2 official benchmark table | HealthBench | はい | 出典 |
