现在，Grok 有两代人跻身前三名
• #1 Grok 4.6 — ~95.9%
• #2 GPT-5.6 Sol — ~94.7%
• #3 Grok 4.5 — ~93.4%
MedAgentBench 远远超出了回答医疗问题的范围
它在真实的电子健康记录环境中针对 10 个类别的 300 项临床衍生任务测试 AI 代理，要求模型进行推理、使用工具并实际执行多步骤临床工作流程
Grok 4.5 已经是测试中最强的医疗制剂之一。 Grok 4.6 将其推向了另一个水平
Grok 正在迅速成为代理医疗保健工作中最强大的 AI 模型系列之一