OpenAI 公布 GPT-5.6 医疗评估:最小号 Luna 模型在最低推理档位就赢了 GPT-5.5,成本还低了 25 倍
OpenAI 发布 GPT-5.6 系列医疗评估结果
OpenAI 让专科医生不限时、可上网查资料来答题,再找其他医生盲评,从准确性、沟通、完整性、指令遵循和健康决策帮助性五个维度打了 20000 次分。所有 GPT-5.6 模型都明显超过医生,而且医生在 GPT-5.6 的回答里挑出的毛病比在同行写的回答里还少。
推荐理由:OpenAI 用两万次盲评让 GPT-5.6 系列与可查资料的专科医生同题作答,最小的 Luna 在最低推理档位超过 GPT-5.5 最高档,成本低 25 倍。