Что означает оценка медицинского агента в 94,3%? Разбор различий показателей оценки OpenAI и Стэнфорда

img-1dfd3ec6400cd4a8fd17df35

94.3% не означает, что 94.3% медицинских административных задач были выполнены полностью. 94.3% GPT-6 Astra, объявленные OpenAI 16 ноября 2026 года, — это доля баллов по rubric points (оценочным пунктам) в HealthAdminBench; 36.3% Claude Opus 4.6 CUA из статьи лаборатории Shah Lab Стэнфордского университета — это успешность полных задач (full-task success). Первый показатель измеряет «сколько оценочных … Читать далее

Каждая задача медицинского агента стоит всего 8,5 цента? Разбор 6 категорий затрат автоматизации с помощью ИИ

img-510cf392a407f99db4453b84

Да, при определённых условиях — но переносить эту цифру один в один в продакшен нельзя. 16 ноября 2026 года OpenAI сообщила, что стоимость одной задачи GPT-6 Luna в медицинском административном бенчмарке HealthAdminBench составляет 0.085 доллара — на 98% меньше, чем у GPT-6 Astra. Это цифра из бенчмарка, а не коммерческое предложение для реального развёртывания в … Читать далее