يؤدي تعديل الطول من OpenAI إلى تغيير درجة كل مهمة بمقدار 1.47 نقطة لكل 500 حرف فوق أو تحت 2,000 على HealthBench Professional…

يؤدي تعديل الطول من OpenAI إلى تغيير درجة كل مهمة بمقدار 1.47 نقطة لكل 500 حرف فوق أو تحت 2,000 على HealthBench Professional، وبمقدار 2.99 نقطة على HealthBench. حصل Claude Opus 5.5 (max with fallback) على أعلى درجة خام على HealthBench Professional (71.4%) لكنه يبلغ في المتوسط ~5,900 حرف، مما يهبط به إلى المركز السادس (59.9%). على HealthBench، يخسر Gemini 4 Argon (high) أكبر قدر (11 نقطة)، فيتراجع من المركز السادس في الدرجة الخام (60.0%) إلى المركز 13 (49.1%)، مع إجابات يبلغ متوسطها ~3,800 حرف