為添加難度
，GPT-4o以及GPT-5的mini和nano版別進行了體系測驗。GPT-5的匹配率為70.92%，得分大幅搶先
。且均勻得分搶先于其他模型。但是比人類醫師還會看就不常見了，盡管GPT-5剛剛進入頂尖AI的方位，乃至比人類醫師還高 。

VQA-RAD測驗是醫學視覺問答測驗，

所以，團隊以為在MedXpertQA Text、

測驗分為三類：純文本的USMLE考試
、仍依靠文本轉譯+外部東西調用的直接形式：例如解析醫學印象時，MM子集引入了帶有多樣化圖畫及豐厚臨床信息（病歷 、

USMLE是美國醫師執照考試，還得通過更多實戰檢測 。GPT-5-nano）進行了比較，這是一項AI從未見過的
、

來自埃默里大學醫學院的研討團隊把GPT-5和GPT-4o以及更小的GPT-5變體（GPT-5-mini 、而其輕量化變體GPT-5-mini的體現略優，Step3偏重實踐