MLCR-AA

Name: MLCR-AA
Creator: Artificial Analysis

Artificial Analysis / 知识问答 · 准确、完整且简洁地理解医疗长记录。

在 AIHOT 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10/08 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。

计分：长文理解；与 AA-LCR 共用一类评测。固定十个对照型号至少测到六个，才参与计算。

按固定规则，每个公开模型采用一套代表配置；没有可采用配置的模型标为未计入并写明原因。匿名测试型号不展示，保留原榜名次，每项最多 30 个。

原榜名次	原榜型号	原始成绩	代表配置
1	claude-sonnet-5-5Anthropic	75.0%	Max 推理 · 含来源回退
2	claude-fable-5-1Anthropic	71.1%	Max 推理 · 含来源回退
3	claude-opus-5-5Anthropic	66.7%	Max 推理 · 含来源回退
4	claude-fable-5Anthropic	64.4%	Max 推理 · 含来源回退
8	claude-opus-5Anthropic	55.6%	Max 推理
9	claude-sonnet-5Anthropic	55.0%	Max 推理
11	glm-5-3-flashZ.ai	51.1%	来源默认配置
12	glm-5-3Z.ai	48.3%	Max 推理
13	claude-opus-4-8Anthropic	45.6%	Max 推理
14	muse-spark-1-3Meta	43.3%	Max 推理
15	kimi-k3Moonshot AI	38.3%	Max 推理
16	gpt-6-astraOpenAI	35.0%	Max 推理
17	gpt-6-1-solOpenAI	33.9%	Max 推理
18	gpt-5-6-terraOpenAI	31.7%	Max 推理
19	muse-spark-1-2Meta	31.1%	xHigh 推理
20	claude-opus-4-7-non-reasoningAnthropic	28.9%	High 推理
21	gpt-5-6-solOpenAI	26.1%	Max 推理
22	claude-sonnet-4-6-adaptiveAnthropic	24.4%	Max 推理
23	deepseek-v4-1-flashDeepSeek	22.8%	Max 推理
24	gemini-3-8-flashGoogle	21.7%	High 推理
24	qwen3-8-27bAlibaba	21.7%	xHigh 推理
27	deepseek-v4-pro-0424DeepSeek	21.1%	Max 推理
29	qwen3-8-maxAlibaba	20.0%	来源默认配置
29	muse-glimmerMeta	20.0%	High 推理
32	gpt-5-6-lunaOpenAI	19.4%	Max 推理
32	qwen3-8-max-0803Alibaba	19.4%	来源默认配置
34	mimo-v2-6-proXiaomi	18.3%	来源默认配置
34	gemini-3-5-flashGoogle	18.3%	High 推理
37	deepseek-v4-proDeepSeek	17.8%	Max 推理
37	gpt-5-5OpenAI	17.8%	xHigh 推理

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；AIHOT 按公开规则把它们换算到同一条能力刻度上。