医疗长文本基准对比：Anthropic 回答更全，OpenAI 更准更简洁

Artificial Analysis 在 MLCR-AA 和 HealthBench Professional 两个医疗基准上对比了 14 个模型。Claude Sonnet 5.5、Opus 5.5 和 Fable 5.1 占据 MLCR-AA 完整性前三，比最好的 OpenAI 模型高出约 19-23 分，Opus 和 Sonnet 在 HealthBench Professional 原始分上也以 71.4% 和 70.8% 领先 GPT-6 Astra 的 69.7%。但 OpenAI 模型在准确性上占优：Anthropic 模型每个回答的篇幅约为 OpenAI 的 4-6 倍，准确性得分只有 19-61%，OpenAI 则为 89-97%。在同时奖励两者的综合分上，GPT-6 Astra 与 Claude Sonnet 5.5 并列 MLCR-AA 第一，并在 HealthBench Professional 长度调整分上小幅领先。