這種得分差異或許源于較小模型存在數據集特定的過擬合現象。仍是得先鍛煉鍛煉 。且均勻得分搶先于其他模型  。

不過研討人員也指出
，

其間多模態的MedXpertQA測驗利用它的MM子集打開，都是零樣本設置
，高于GPT-4o及小變體GPT-5-nano
，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，得分大幅搶先