斯坦福 HAI 实测：GPT-5.5 医疗任务单次通过率 46.3%，连续三次成功降至 28%

斯坦福 HAI 的 PhysicianBench 实测显示，GPT-5.5 在临床任务上单次尝试完成率为 46.3%，要求连续三次运行都成功时降至 28%。在未能执行临床动作的案例中，GPT-5.5 有 62%、Claude Opus 4.6 有 73% 属于已在病历中正确写下计划、却没有实际下达 EHR 医嘱。