CHI-Bench 开源：75 个美国医疗长程工作流压测 30 个前沿 Agent，最强 Claude Code 仅过 28%，端到端医院–保险工司协作直接归零
中文摘要
CHI-Bench开源评估30个医疗Agent，最强模型通过率仅28%，医保协作为0%，凸显了AI临床推理与长程可靠性的短板。
English Summary
CHI-Bench evaluates 30 AI agents on medical workflows. Top models score only 28%, while insurance tasks hit 0%, exposing flaws in clinical reasoning and reliability.
Original Excerpt
📌 一句话摘要 CHI-Bench 基准测试显示，当前最强 AI Agent 在医疗长程工作流中通过率仅 28%，端到端医院-保险公司协作通过率为 0%，揭示了临床推理与长程可靠性的严重短板。 📝 详细摘要 actAVA.ai 联合 Johns Hopkins、斯坦福、CMU 等 20 余家机构发布 CHI-Bench，这是全球首个面向医疗长程工作流的 Agent 评测基准。基准覆盖处方授权、医疗服务使用管理、护理管理...