HealthBench评测：GPT-6 Sol沟通分高但完整性最低

在 HealthBench 上，GPT-6 Sol (max) 给出的回答最短（约 1,000 字符），原始沟通质量得分最高（81%），但完整性得分最低（34%）。在 14 个模型中，有 13 个模型得分最低的主题是 Context Seeking（上下文探寻）或 Global Health（全球健康）。