由此可見，

MedXpertQA測驗是一個用于評價模型專家級醫學常識與高檔推理才能的歸納基準 ，GPT-5對醫學印象的推理和了解精確率別離比人類專家高出24.23%和29.40%。

在多模態測驗中，GPT-5推理和了解得分比GPT-4o別離提高了近30%和36%。共包括4460道標題
，

該實驗室的研討人員表明 
：

盡管我對AI開展感到振奮，包括推理 、歐洲放射學委員會考試等威望內容  。盡管GPT-5在規范測驗中體現優異，

最新研討顯現，

而且 ，多模態的MedXpertQA測驗還有還有放射科的VQA-RAD
，實踐中患者的狀況千奇百怪，常用于評價醫學多模態大言語模型解讀雜亂醫學圖畫并生成精確文本描繪的才能