HealthBench Professional

HealthBench 由多个医疗 AI 研究机构联合推出，评测 AI 在医疗领域的专业知识应用能力。Professional 子集包含执业医师考试级问题，涵盖诊断推理、治疗方案选择、药物相互作用等临床场景。评估模型在专业医疗知识上的深度和准确性。

推理官方网站

#	模型		得分 (%)	厂商	来源
1	Claude Fable 5		66	Anthropic	Claude Fable 5 技术报告
2	Claude Mythos Preview		64.7	Anthropic	Claude Fable 5 技术报告
3	GPT-5.6 Sol		60.5	OpenAI	OpenAI GPT-5.6 发布页
4	Muse Spark 1.1		59.3	Meta	Meta Muse Spark 1.1 Evaluation Report
5	GPT-5.6 Terra		57.7	OpenAI	OpenAI GPT-5.6 发布页
6	Claude Opus 4.8		56.9	Anthropic	Claude Fable 5 技术报告
7	GPT-5.6 Luna		55.7	OpenAI	OpenAI GPT-5.6 发布页
8	Muse Spark		54.1	Meta	Meta Muse Spark 1.1 Evaluation Report
9	GPT-5.5		51.8	OpenAI	Meta Muse Spark 1.1 Evaluation Report
10	Gemini 3.1 Pro		41.6	Google	Meta Muse Spark 1.1 Evaluation Report