斯坦福 HealthAdminBench 实测：Claude Opus 4.6 行政工作流端到端完成率仅 36.3%

斯坦福 HealthAdminBench 实测显示，Claude Opus 4.6 在医疗行政工作流上的端到端完成率仅 36.3%。GPT-5.4 在单项子任务上成功率达 82.8%，但完整流程完成度仍不足。该基准源自 MedHELM 的发现，临床决策支持与行政工作流是医疗 AI 表现最弱的领域之一，却恰恰是医疗系统最需要 AI 帮助的地方。