OpenAIモデルは正確性で首位を維持しています。誇張やハルシネーション(幻覚)なしに、医療記録を正しく引用しながら質問に回答します。

OpenAIモデルは正確性で首位を維持しています。誇張やハルシネーション(幻覚)なしに、医療記録を正しく引用しながら質問に回答します。
回答が正確であるとは、日付、受診、測定値から所見の重篤度に至るまで、回答内のいかなる主張も記録と矛盾しないことを指します。OpenAIモデルは正確性スコア上位27位を独占しており、GPT-6.1 Sol(max)が96.7%、GPT-6 Astra(max)が95.6%で先行し、OpenAI以外で最も優れたモデルはQwen3.8 2.4T A95Bの76.1%です。これらのモデルの回答は記録に忠実であるものの、質問が求める重要なポイントをしばしば見逃します。GPT-6.1 Sol(max)が完全な回答をしているのは質問の40.0%にとどまります。