HealthBench 榜单上线：分数与单任务成本一起看
Artificial Analysis 上线 HealthBench 与 HealthBench Professional 两个榜单（基准来自 OpenAI，评估模型对真实健康对话的回复）。其称 OpenAI 模型占满后者的分数与成本前沿：GPT-6 Luna 满档 61.9%、每任务 0.004 美元，比 GPT-6 Astra 低 4 分，成本不到 2%。
Artificial Analysis@ArtificialAnlys原帖
为什么值得留
看健康类评测时，把分数和单任务成本放在一起。
可以从这里开始
打开榜单页，看你常用的模型在两个基准上的分数与每任务成本。
阅读时留意
基准由 OpenAI 提出、榜单由 AA 运行；健康问答不是医疗建议，高分不等于临床安全；其他模型得分节选被截断。
OnBalls 导读整理于 2026.10.22。只读存档的榜单方帖文及一条转述；榜单页和基准论文未打开。