Artificial Analysis发布医学复杂推理评测MLCR-AA，考察模型对复杂医疗病例报告的分析、推理能力，评分项包括完整性、准确性和简洁性：Medical Long Context Reasoning (MLCR-AA) | Artificial Analysis 
评测结果，从完整性上，Claude Fable 5、Opus 5遥遥领先： 
 [截屏2026-08-24 11.04.16] 
Kimi K3的完整性居然超过了GPT-5.6。 
但准确性上，GPT-5.6 Sol和Terra强于Claude和Kimi K3，说明幻觉少。综合排名： 
 [截屏2026-08-24 11.10.45] 
看来医学方面的问题，应该是Claude Fable 5/Opus 5 + GPT-5.6 Sol组合着看