على HealthBench Professional، تتراوح الدرجات الخام في محادثات الفريق الأحمر (red teaming) بين 30% (DeepSeek V4.1 Flash (max)) و65% (GPT-6 Astra (max))، مقارنة بـ63% إلى 79% في المحادثات بحسن نية. يسجّل Claude Fable 5.1 (max with fallback) أعلى درجة في المحادثات بحسن نية (79%) لكن 53% في الفريق الأحمر. يسجّل Claude Haiku 5.5 (max) أعلى درجة في مهام الكتابة (77%)
على HealthBench Professional، تتراوح الدرجات الخام في محادثات الفريق الأحمر (red teaming) بين 30% (DeepSeek V4.1 Flash (max)) و65% (GPT-6…
على HealthBench Professional، تتراوح الدرجات الخام في محادثات الفريق الأحمر (red teaming) بين 30% (DeepSeek V4.1 Flash (max)) و65% (GPT-6 Astra (max))، مقارنة بـ63% إلى 79% في المحادثات بحسن نية. يسجّل Claude Fable 5.1 (max with fallback) أعلى درجة في المحادثات بحسن نية (79%) لكن 53% في الفريق الأحمر.
Artificial Analysis · X
ملاحظات المحتوى
النشر الأصلي والحقوق تعود إلى المصدر.
ترجمة آلية · يُرجى الرجوع إلى الأصل