HealthBench Hard
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
19
平均スコア
26.05%
スコアの範囲
9% - 46.20%
最上位モデル
46.20% - 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 | 46.20% | With Thinking | はい | 出典 | |
| Muse Spark | 2026年4月08日 | 42.80% | Open-ended health queries | はい | 出典 | |
| GPT-6 Astra | 2026年9月03日 | 36.60% | HealthBench Hard; length-adjusted score (unadjusted 34.2, mean response length 1697 chars); GPT-6.1 Terra system card | はい | 出典 | |
| GPT-6.1 Sol | 2026年9月29日 | 36.20% | HealthBench Hard; length-adjusted score (unadjusted 33.4, mean response length 1646 chars); GPT-6.1 Terra system card | はい | 出典 | |
| GPT 5.6 Terra | 2026年7月09日 | 32.70% | HealthBench Hard; length-adjusted score (unadjusted 34.3, mean response length 2199 chars); GPT-6.1 Terra system card | はい | 出典 | |
| GPT-6.1 Terra | 2026年10月26日 | 31.40% | HealthBench Hard; length-adjusted score (unadjusted 26, mean response length 1306 chars); GPT-6.1 Terra system card | はい | 出典 | |
| GPT OSS 120b | 2025年8月05日 | 30% | High Reasoning Effort | はい | 出典 | |
| GPT OSS Safeguard 120b | 2025年10月29日 | 30% | inferred high-confidence family alias from gpt-oss-120b (score=0.5102; benches=7) | はい | 出典 | |
| Seed 2.0 Pro | 2026年2月14日 | 29.10% | Seed2 official benchmark table | HealthBench - Hard | はい | 出典 | |
| GPT 5.3 Chat | 2026年3月03日 | 25.90% | - | はい | 出典 | |
| Seed 2.0 Lite | 2026年2月14日 | 20% | Seed2 official benchmark table | HealthBench - Hard | はい | 出典 | |
| Seed 2.0 Mini | 2026年2月14日 | 15.30% | Seed2 official benchmark table | HealthBench - Hard | はい | 出典 | |
| GPT OSS 20b | 2025年8月05日 | 12.90% | Medium Reasoning Effort | はい | 出典 | |
| GPT OSS Safeguard 20b | 2025年10月29日 | 10.80% | inferred high-confidence family alias from gpt-oss-20b (score=0.5137; benches=7) | はい | 出典 |
