评测来源官方评测
MLCR-AA
Artificial Analysis / 知识问答 · 准确、完整且简洁地理解医疗长记录。
在 AICue 中参与排名
所属领域知识问答
上游数据时间待核实
最近成功同步10/30 02:05
它测什么，怎么测
25k–64k token 医疗记录；专家参考答案、三个模型裁判多数表决；每题三次，取总体 pass@1，空答或超过参考答案五倍长度失败。
AICue 怎么用它
计分：长文理解；与 AA-LCR 共用一类评测。固定 10 个对照型号至少测到 6 个，才参与计算。
评测成绩
同一模型测了多个档位时，按固定规则只取一套代表成绩；没有可用成绩的模型标为“未计入”并写明原因。匿名测试型号不展示，名次照搬原榜，每项最多列 30 个。
| 原榜名次 | 原榜型号 | 原始成绩 | 代表配置 |
|---|---|---|---|
| 1 | claude-sonnet-5-5Anthropic | 41.7% | Max 推理 · 含来源回退 |
| 1 | gpt-6-astraOpenAI | 41.7% | Max 推理 |
| 3 | kimi-k3-1-proMoonshot AI | 38.3% | 来源默认配置 |
| 3 | gpt-6-1-solOpenAI | 38.3% | Max 推理 |
| 8 | claude-haiku-5-5Anthropic | 35.0% | Max 推理 |
| 9 | gpt-6-solOpenAI | 33.9% | Max 推理 |
| 14 | gpt-5-5-instant-06-26OpenAI | 31.7% | 来源默认配置 |
| 16 | gpt-6-1-terraOpenAI | 30.6% | Max 推理 |
| 16 | qwen3-8-2-4t-a95bAlibaba | 30.6% | 来源默认配置 |
| 18 | gpt-5-6-solOpenAI | 30.0% | Max 推理 |
| 20 | gpt-5-5OpenAI | 28.9% | xHigh 推理 |
| 22 | claude-opus-5-5Anthropic | 27.8% | Max 推理 · 含来源回退 |
| 24 | gpt-5-6-terraOpenAI | 27.2% | Max 推理 |
| 25 | deepseek-v4-1-flash-1017DeepSeek | 26.7% | Max 推理 |
| 27 | gpt-6-lunaOpenAI | 26.1% | Max 推理 |
| 27 | qwen3-8-max-0803Alibaba | 26.1% | 来源默认配置 |
| 34 | deepseek-v4-1-flashDeepSeek | 23.9% | Max 推理 |
| 36 | qwen3-8-27bAlibaba | 22.8% | xHigh 推理 |
| 40 | muse-wonder-fullMeta | 22.2% | Max 推理 |
| 40 | muse-wonderMeta | 22.2% | Max 推理 |
| 44 | kimi-k3Moonshot AI | 21.7% | Max 推理 |
| 46 | qwen3-8-flash-nextAlibaba | 20.6% | 来源默认配置 |
| 46 | claude-fable-5Anthropic | 20.6% | Max 推理 · 含来源回退 |
| 50 | gpt-5-6-lunaOpenAI | 20.0% | Max 推理 |
| 50 | gpt-5-4-miniOpenAI | 20.0% | xHigh 推理 |
| 50 | qwen3-8-maxAlibaba | 20.0% | 来源默认配置 |
| 50 | grok-4-7xAI | 20.0% | xHigh 推理 |
| 55 | claude-opus-4-8Anthropic | 19.4% | Max 推理 |
| 63 | step-5StepFun | 18.3% | 来源默认配置 |
| 67 | reflection-beamReflection | 17.8% | 来源默认配置 |
评测局限与数据署名
只取 mlcrOverall，包含长度失败；不替换成仅对合格长度作答的准确率。 缺测留空；回退成绩计入并标注，受影响题目过半不计。
数据许可：Artificial Analysis 公开页面数据；展示须显著署名并链接来源，遵守其 Terms of Use
成绩由 Artificial Analysis 发布。各项评测的原始分数尺度不同，不能直接相加；AICue 按公开规则把它们折算成同一种分数。