HealthBench Professionalにおいて、レッドチーミング会話の素点は30%（DeepSeek V4.1 Flash (max)）から65%（GPT-6 Astra (max)）の範囲にありますが、誠実な会話では63%から79%の範囲です。Claude Fable 5.1 (max with fallback) は誠実な会話で最高スコア（79%）を記録する一方、レッドチーミングでは53%です。Claude Haiku 5.5 (max) はライティングタスクで最高スコア（77%）を記録しています。
HealthBench Professionalにおいて、レッドチーミング会話の素点は30%（DeepSeek V4.1 Flash (max)）から65%（GPT-6 Astra (max)）の範囲にあります…
HealthBench Professionalにおいて、レッドチーミング会話の素点は30%（DeepSeek V4.1 Flash (max)）から65%（GPT-6 Astra (max)）の範囲にありますが、誠実な会話では63%から79%の範囲です。Claude Fable 5.1 (max with fallback) は誠実な会話で最高スコア（79%）を記録する一方、レッドチーミングでは53%です。
Artificial Analysis · X
内容について
原文の公開と権利は出典元に帰属します。
機械翻訳 · 原文をご参照ください