基准HealthBench
HealthBench Pro
面向医学问答能力的 AI 模型评测基准，评估模型在医疗健康领域的知识问答表现
时间轴 (近 90 天)
10月14日
Wonder Full 在 ProgramBench（59.0 vs 70.5）、Terminal-Bench 4.0 和 HealthBench Pro 上落后于 Opus 5.5。
待验证50%
面向医学问答能力的 AI 模型评测基准，评估模型在医疗健康领域的知识问答表现
Wonder Full 在 ProgramBench（59.0 vs 70.5）、Terminal-Bench 4.0 和 HealthBench Pro 上落后于 Opus 5.5。