Sur HealthBench, GPT-6 Sol (max) écrit les réponses les plus courtes (~1 000 caractères) et obtient le score de qualité de communication brut le plus élevé (81 %), mais le score de complétude le plus faible (34 %). La recherche de contexte ou la santé globale sont les thèmes ayant obtenu le score le plus bas pour 13 des 14 modèles.
