13 个 AI 模型模拟全科医生接诊五个病例：公开结果、逐字记录与评分代码

一位澳大利亚全科医生受训者发布基准，让 13 个模型通过工具调用完成 5 个病例的问诊、检查、开药与转诊，共 195 次会诊，由代码按病例键评分；结果显示 191/195 次会诊给出正确诊断，模型间诊断能力差异不明显，基准、记录与代码免费公开，患者由 LLM 扮演且作者开发相关商业游戏。

AI推荐理由 作者自述为澳洲全科医生受训者，公开 13 个模型×5 个病例×3 次运行的基准、逐字记录与代码，按病例键由代码评分；关键发现是诊断环节几乎无差异（191/195 正确），区分度可能来自其他指标，但摘要截断且患者由 LLM 扮演，存在自建基准与商业游戏关联的局限。