Anthropic 模型在完整性方面领先：以正确的医学推理得出专家的结论，展现出医学知识……

Anthropic 模型在完整性方面领先：以正确的医学推理得出专家的结论，展现出医学知识和推理能力。
当回答涵盖问题所要求的专家参考答案的每一个要点时，包括结论以及专家推理所依据的病历中的缺失信息，该回答即视为完整。在我们测试的所有模型和努力程度中，Claude 模型包揽了前 18 个最高完整性得分。Claude Sonnet 5.5（max with fallback）以 64.8% 领先，其次是 Claude Opus 5.5（max with fallback）为 63.3%，Claude Fable 5.1（max with fallback）为 61.1%。最好的非 Anthropic 模型是 GPT-6 Astra（max），为 42.2%。