Grok 4.6 takes top spot on this benchmark
🥇 We evaluated Grok 4.6 on MedAgentBench, a benchmark for agentic clinical EHR tasks, and it took the top spot. Grok 4.6 posts the highest pass@1 we've measure...
AI 导读
xAI 的 Grok 4.6 在 MedAgentBench（智能体临床 EHR 任务基准）上登顶，以约 95.9% 的 pass@1（3 次运行均值）超越前榜首 GPT-5.6 Sol（约 94.7%），并较 Grok 4.5 提升约 2.5 个百分点。
Elon Musk@elonmusk40
AI 编辑部评分，满分 100xAI 的 Grok 4.6 在 MedAgentBench（智能体临床 EHR 任务基准）上登顶，以约 95.9% 的 pass@1（3 次运行均值）超越前榜首 GPT-5.6 Sol（约 94.7%），并较 Grok 4.5 提升约 2.5 个百分点。
来源：Elon Musk· x.com