HealthBench Hard(長さ調整スコア)
OpenAI の医療対話評価の難問サブセット。長さ調整スコア。
- 分類
- 知識
- 単位
- スコア
- 高いほど良い
- 比較グループ
- 1グループ
- 今選べるモデルの順位・順位を付けた結果 1 件
- すべてのモデル(記録): 1 グループ・4 件
ランキング
出典区分(公式・第三者・論文)と測定条件が違う値は比べられないため、比較グループ(同じ出典か、同じ条件と確認できた出典の集まり)ごとに分けて順位を付けています。
今 Claude Code / Codex で選べるモデル(旧モデルを除く)だけで順位を付けています。
公式の結果(GPT-6 Astra System Card (Table 6. HealthBench Evaluations))
| 順位 | モデル | effort | スコア | 出典のコスト(指標) | 計測・報告 | 出典 |
|---|---|---|---|---|---|---|
| 1 | GPT-6 Astra | 記載なし | 36.6 | — | OpenAI | GPT-6 Astra System Card (Table 6. HealthBench Evaluations)2026-11-12 取得・ベンダー発表値。OpenAI 自己申告。effort 記載なし。長さ調整スコア出典の該当箇所36.6所在 Table 6「HealthBench Evaluations - reported as length-adjusted score」の HealthBench Hard 行 |
すべてのモデルの順位(記録)
旧モデルと Claude Code / Codex で選べないモデルを含めて、比較グループごとに順位を付け直したものです。順位を付ける顔ぶれが違うので、上の順位とは違います。
旧モデル・選べないモデルを含む順位を開く(4 件)
公式の結果(GPT-6 Astra System Card (Table 6. HealthBench Evaluations))
| 順位 | モデル | effort | スコア | 出典のコスト(指標) | 計測・報告 | 出典 |
|---|---|---|---|---|---|---|
| 1 | GPT-6 Astra | 記載なし | 36.6 | — | OpenAI | GPT-6 Astra System Card (Table 6. HealthBench Evaluations)2026-11-12 取得・ベンダー発表値。OpenAI 自己申告。effort 記載なし。長さ調整スコア出典の該当箇所36.6所在 Table 6「HealthBench Evaluations - reported as length-adjusted score」の HealthBench Hard 行 |
| 2 | GPT-5.6 Sol | 記載なし | 33.1 | — | OpenAI | GPT-6 Astra System Card (Table 6. HealthBench Evaluations)2026-11-12 取得・ベンダー発表値。OpenAI 自己申告。effort 記載なし。長さ調整スコア出典の該当箇所33.1所在 Table 6「HealthBench Evaluations - reported as length-adjusted score」の HealthBench Hard 行 |
| 3 | GPT-5.6 Terra | 記載なし | 32.7 | — | OpenAI | GPT-6 Astra System Card (Table 6. HealthBench Evaluations)2026-11-12 取得・ベンダー発表値。OpenAI 自己申告。effort 記載なし。長さ調整スコア出典の該当箇所32.7所在 Table 6「HealthBench Evaluations - reported as length-adjusted score」の HealthBench Hard 行 |
| 4 | GPT-5.6 Luna | 記載なし | 32 | — | OpenAI | GPT-6 Astra System Card (Table 6. HealthBench Evaluations)2026-11-12 取得・ベンダー発表値。OpenAI 自己申告。effort 記載なし。長さ調整スコア出典の該当箇所32.0所在 Table 6「HealthBench Evaluations - reported as length-adjusted score」の HealthBench Hard 行 |