HealthBench Hard
AI 基准测试结果和模型表现
类型: percentageHealth
已记录的结果
19
平均分数
26.05%
分数范围
9% - 46.20%
领先模型
46.20% - GPT 5
分数变化趋势
按日期绘制的单项基准测试分数。
模型结果
| 组织 | 模型 | 报告时间 | 最高分数 | 信息 | 自行报告 | 来源 |
|---|---|---|---|---|---|---|
| GPT 5 | 2025年8月07日 | 46.20% | With Thinking | 是 | 来源 | |
| Muse Spark | 2026年4月08日 | 42.80% | Open-ended health queries | 是 | 来源 | |
| 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 | 是 | 来源 | |
| 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 | 是 | 来源 | |
| 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 | 是 | 来源 | |
| 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 | 是 | 来源 | |
| GPT OSS 120b | 2025年8月05日 | 30% | High Reasoning Effort | 是 | 来源 | |
| 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) | 是 | 来源 | |
| Seed 2.0 Pro | 2026年2月14日 | 29.10% | Seed2 official benchmark table | HealthBench - Hard | 是 | 来源 | |
| GPT 5.3 Chat | 2026年3月03日 | 25.90% | - | 是 | 来源 | |
| Seed 2.0 Lite | 2026年2月14日 | 20% | Seed2 official benchmark table | HealthBench - Hard | 是 | 来源 | |
| Seed 2.0 Mini | 2026年2月14日 | 15.30% | Seed2 official benchmark table | HealthBench - Hard | 是 | 来源 | |
| GPT OSS 20b | 2025年8月05日 | 12.90% | Medium Reasoning Effort | 是 | 来源 | |
| 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) | 是 | 来源 |
