Anthropicモデルは完全性で上位：正しい医学的推論によって専門家の結論に到達し、医学的知識を示す…

Anthropicモデルは完全性で上位をリードしています。正しい医学的推論によって専門家の結論に到達し、医学的知識と推論能力を示すというものです。
回答は、質問が求める専門家の参照回答のすべての重要ポイント、すなわち結論と、専門家が推論の根拠とするカルテの欠落部分を網羅している場合に完全とみなされます。Claudeモデルは、テストしたすべてのモデルおよび effort レベルの中で、完全性スコアの上位18位を独占しています。Claude Sonnet 5.5 (max with fallback)が64.8%で首位、次いでClaude Opus 5.5 (max with fallback)が63.3%、Claude Fable 5.1 (max with fallback)が61.1%と続きます。Anthropic以外で最も優れたモデルは、42.2%のGPT-6 Astra (max)です。