DR. INFO setzt einen neuen klinischen Standard - An der Spitze des härtesten klinischen KI-Benchmarks der Welt

Der klinische Standard ist gesetzt. DR. INFO hat den härtesten klinischen KI-Benchmark der Welt angeführt - mit Abstand vor GPT-5, GPT-5.2, Gemini 2.5 Pro, Grok 3, Claude 3.7 Sonnet und allen anderen klinischen KI-Systemen auf dem Planeten. Auf echter Evidenz aufgebaut. In Echtzeit zitiert. Für echte Medizin konzipiert.

Die Benchmark-Ergebnisse liegen vor. Veröffentlicht. Eindeutig.

Die Ergebnisse

DR. INFO erzielte 0,68 auf dem HealthBench Hard-Subset von OpenAI - einem Benchmark mit 1.000 klinisch komplexen Szenarien, die nach ärztlichen Rubriken in klinischer Genauigkeit, Tiefe des Denkens, Sicherheitsausrichtung und Kommunikationsqualität bewertet wurden. Dies ist der höchste Wert, den je ein KI-System auf diesem Benchmark erreicht hat.

Warum HealthBench Hard wichtig ist

HealthBench Hard ist kein Multiple-Choice-Exam. Es bewertet KI-Systeme anhand realistischer, risikobehafteter klinischer Szenarien, bei denen Mehrdeutigkeit, unvollständige Informationen und Patientensicherheit zentral sind. Entwickelt von OpenAI und von Ärztegruppen bewertet, stellt es die rigoroseste öffentliche Evaluation klinischer KI-Fähigkeiten dar, die heute verfügbar ist.

Traditionelle Benchmarks wie USMLE testen Faktenabruf in strukturierten Formaten. HealthBench Hard testet, was in der klinischen Praxis wirklich zählt - kontextuelles Urteil, Umgang mit Unsicherheit, Sicherheitssignalisierung und evidenzbasiertes Denken unter realen Bedingungen.

Wie DR. INFO Frontier-Modelle übertrifft

Allgemeine Sprachmodelle generieren Antworten aus erlernten Mustern. DR. INFO ruft Antworten aus maßgeblichen medizinischen Quellen ab und synthetisiert sie - klinische Leitlinien, peer-reviewed Literatur, FDA-Dokumentation und Medikamentendatenbanken - in Echtzeit. Jede Antwort ist evidenzbasiert und von transparenten Zitationen begleitet.

Diese Retrieval-Augmented-Architektur mit Evidenz-First-Ansatz ist der Grund, warum DR. INFO klinische Genauigkeit erreicht, die allgemeine Modelle nicht erreichen können. Wenn der Benchmark fundiertes klinisches Denken anstelle von Mustervervollständigung erfordert, ist der Unterschied entscheidend.

Veröffentlicht und überprüfbar

Beide in dieser Evaluation referenzierten Benchmarks sind öffentlich für unabhängige Überprüfung verfügbar.