GPT-5.6 Sol · HealthBench · 48,000+ rubric items across 5,000 multi-turn conversations · 成绩与配置

GPT-5.6 Sol 的 HealthBench · 48,000+ rubric items across 5,000 multi-turn conversations 记录。本次发布有 3 条成绩记录,含 3 条精确值(可含历史记录),附 2 条来源定位。

成绩与评测条件

GPT-5.6 Sol · HealthBench 成绩与配置
指标与成绩配置与评测条件出处
长度校正分(0–100)57 score原文 57.0 · 单位 score
公布 未确认
GPT-5.6 Sol HealthBench evaluations
设置
HealthBench and HealthBench Professional-family evaluations; table reports length-adjusted scores.
未知项
Reasoning effort、Grader version for each GPT-5.6 score、System-level safeguards、Exact benchmark data snapshot
工具
工具条件未记录
推理预算
未记录
框架
未记录
协议
OpenAI 系统卡 HealthBench 计分;2,000 字符不调整,每多 500 字符减 2.99 分,较短回复对应加分;grader 未说明。
条件
Length penalty is 2.99 points per 500 characters beyond 2,000; response length 1,764 characters. 系统卡明确采用 0–100 量表;保留原始分数字符串,不乘除数值。
在排名中查看此成绩
未校正分(0–100)55.6 score原文 55.6 · 单位 score
公布 未确认
GPT-5.6 Sol HealthBench evaluations
设置
HealthBench and HealthBench Professional-family evaluations; table reports length-adjusted scores.
未知项
Reasoning effort、Grader version for each GPT-5.6 score、System-level safeguards、Exact benchmark data snapshot
工具
工具条件未记录
推理预算
未记录
框架
未记录
协议
OpenAI 系统卡 HealthBench 计分;2,000 字符不调整,每多 500 字符减 2.99 分,较短回复对应加分;grader 未说明。
条件
Table reports the tuple as length-adjusted score (unadjusted score, mean response length in characters). 系统卡明确采用 0–100 量表;保留原始分数字符串,不乘除数值。
在排名中查看此成绩
Mean response length1764 characters原文 1764 · 单位 characters
公布 未确认
GPT-5.6 Sol HealthBench evaluations
设置
HealthBench and HealthBench Professional-family evaluations; table reports length-adjusted scores.
未知项
Reasoning effort、Grader version for each GPT-5.6 score、System-level safeguards、Exact benchmark data snapshot
工具
工具条件未记录
推理预算
未记录
框架
未记录
协议
OpenAI 系统卡 HealthBench 计分;2,000 字符不调整,每多 500 字符减 2.99 分,较短回复对应加分;grader 未说明。
条件
Table reports the tuple as length-adjusted score (unadjusted score, mean response length in characters).
在排名中查看此成绩

出处与披露

测试版本与指标

别名 HealthBench

  • Length-adjusted score · % · 越高越好
  • Raw score · % · 越高越好
  • Mean response length · characters · 排序方向未确认
  • 长度校正分(0–100) · score · 越高越好
  • 未校正分(0–100) · score · 越高越好
  • 相对 GPT-5.4 的长度校正分差 · points · 排序方向未确认
  • Unadjusted score · % · 越高越好