DR. INFO stelt een nieuwe klinische standaard in - Koploper in 's werelds zwaarste klinische AI-benchmark

De klinische standaard is bepaald. DR. INFO heeft de zwaarste klinische AI-benchmark ter wereld aangevoerd - GPT-5, GPT-5.2, Gemini 2.5 Pro, Grok 3, Claude 3.7 Sonnet en elk klinisch AI-systeem op de planeet verslagen. Gebouwd op echte bewijs. Geciteerd in realtime. Ontworpen voor echte geneeskunde.

De benchmarkresultaten zijn binnen. Gepubliceerd. Ondubbelzinnig.

De resultaten

DR. INFO scoorde 0,68 op de HealthBench Hard-subset van OpenAI - een benchmark van 1.000 klinisch complexe scenario's beoordeeld door medische rubrieken op klinische nauwkeurigheid, redeneerdiepte, veiligheidsafstemming en communicatiekwaliteit. Dit is de hoogste score die ooit door een AI-systeem op deze benchmark is behaald.

Waarom HealthBench Hard belangrijk is

HealthBench Hard is geen meerkeuzevragenlijst. Het evalueert AI-systemen op realistische, risicogevoelige klinische scenario's waarbij dubbelzinnigheid, onvolledige informatie en patiëntveiligheid centraal staan. Ontwikkeld door OpenAI en beoordeeld door medische panels, vertegenwoordigt het de meest rigoureuze openbare evaluatie van klinische AI-capaciteiten die vandaag beschikbaar is.

Traditionele benchmarks zoals USMLE testen feitelijke kennis in gestructureerde formaten. HealthBench Hard test wat er echt toe doet in de klinische praktijk - contextueel oordeel, navigatie van onzekerheid, veiligheidssignalering en evidentiegerond redeneren onder reale omstandigheden.

Hoe DR. INFO frontier-modellen overtreft

Algemene taalmodellen genereren antwoorden op basis van geleerde patronen. DR. INFO haalt antwoorden op uit gezaghebbende medische bronnen - klinische richtlijnen, peer-reviewed literatuur, FDA-documentatie en medicijndatabases - en synthetiseert deze in realtime. Elk antwoord is gefundeerd in bewijs en vergezeld van transparante citaties.

Deze retrieval-augmented, evidence-first architectuur is de reden waarom DR. INFO klinische nauwkeurigheid bereikt die algemene modellen niet kunnen evenaren. Wanneer de benchmark gefundeerd klinisch redeneren vereist in plaats van patroonvervollediging, is het verschil doorslaggevend.

Gepubliceerd en verifieerbaar

Beide benchmarks waarnaar in deze evaluatie wordt verwezen, zijn openbaar beschikbaar voor onafhankelijke verificatie.