Apa Arti Skor 94,3% Agen Medis? Membedah Perbedaan Metrik Evaluasi OpenAI dan Stanford

img-1dfd3ec6400cd4a8fd17df35

94.3% bukan berarti 94.3% tugas administrasi medis sudah diselesaikan secara utuh. Angka 94.3% untuk GPT-6 Astra yang diumumkan OpenAI pada 16 November 2026 adalah proporsi skor poin rubrik (rubric points) pada HealthAdminBench; sedangkan 36.3% untuk Claude Opus 4.6 CUA dalam makalah Shah Lab Stanford adalah tingkat keberhasilan tugas penuh (full-task success). Yang pertama mengukur “berapa … Baca Selengkapnya

Setiap tugas Agen medis hanya membutuhkan biaya 8,5 sen? Mengurai 6 kategori perhitungan biaya otomatisasi AI

img-510cf392a407f99db4453b84

Ya, dalam kondisi tertentu — tetapi lingkungan produksi tidak bisa begitu saja meniru angka ini. Pada 16 November 2026, OpenAI mengungkapkan bahwa biaya per tugas GPT-6 Luna pada benchmark administrasi medis HealthAdminBench adalah 0.085 dolar, 98% lebih rendah daripada GPT-6 Astra. Angka ini berasal dari pengujian benchmark, bukan dari harga penawaran untuk penerapan produksi di … Baca Selengkapnya