OpenAI 模型在准确性方面领先：在正确引用病历的同时回答问题，不夸大也不产生幻觉。

OpenAI 模型在准确性方面领先：在正确引用病历的同时回答问题，不夸大也不产生幻觉。
当答案中没有任何陈述与病历相矛盾时——从日期、就诊和测量值到发现的严重程度——该答案即为准确。OpenAI 模型包揽了准确率最高的 27 个名次，由准确率 96.7% 的 GPT-6.1 Sol (max) 和准确率 95.6% 的 GPT-6 Astra (max) 领跑，最佳非 OpenAI 模型是准确率 76.1% 的 Qwen3.8 2.4T A95B。它们的答案忠实于病历，但经常遗漏问题所要求的关键要点：GPT-6.1 Sol (max) 仅在 40.0% 的问题上做到完整。