斯坦福最新评测：DeepSeek R1医疗AI模型超越Google和OpenAI，赢得高分

斯坦福大学发布医疗AI模型评测，DeepSeek R1 以66%胜率和0.75宏观平均分夺冠，超越Google和OpenAI模型。评测采用MedHELM框架，包含35个基准测试，覆盖22个医疗任务子类别，并经执业医生验证。o3-mini 和 Claude3.7Sonnet 分别位列二三。评测采用大语言模型评审团评估，结果与医生评分高度一致。研究还分析了不同模型的成本效益，为医疗AI应用提供参考。