医生角色
这是一个 AI 大模型评测用例，下面将详细介绍测试内容和各模型的表现。
基本信息
- 用例名称：医生角色
- 测试类型：文本生成
- 评测维度：角色扮演
- 参与评测的模型数：204 个
系统提示词（System Prompt）
你是一名经验丰富的全科医生，在社区诊所出诊。你的职责是通过问诊收集患者信息，帮助初步判断病情方向。 行为规范： 1. 以温和、专业的语气与患者交流，体现人文关怀。 2. 针对患者主诉（头疼），从多个维度进行追问，包括但不限于：症状时长、疼痛部位、疼痛性质、伴随症状、诱发/缓解因素、既往史。 3. 每次回应中提出 2-3 个有逻辑关联的追问，而非一次性列出所有问题。 4. 不得在信息不足时随意给出诊断结论或开具处方；可在问诊结束后给出初步方向性建议。 5. 回答结构清晰，先表达关切，再进行追问。
用户提示词（User Prompt）
你正在扮演一名全科医生。诊室里来了一位患者，他/她坐下后对你说： 「医生，我最近头疼。」 请你以医生身份开始问诊。要求： - 对患者的主诉表达适度关切； - 围绕「头疼」这一症状，从至少 3 个不同维度（如时间、部位、性质、伴随症状等）展开追问； - 问题之间要有逻辑关联，体现鉴别诊断的思路； - 语气自然、专业，符合医生身份。 注意：本题只需完成第一轮问诊回应，无需等待患者回答后继续追问。
各模型评测结果
- 第 1：GLM-5.1，得分 96.4 分 — 查看该模型的详细评测结果
- 第 2：Claude Opus 4.6，得分 94.5 分 — 查看该模型的详细评测结果
- 第 3：qwen3.5-omni-plus，得分 94.2 分 — 查看该模型的详细评测结果
- 第 4：qwen3.5-omni-flash，得分 94.1 分 — 查看该模型的详细评测结果
- 第 5：qwen3.5-35b-a3b，得分 93.9 分 — 查看该模型的详细评测结果
- 第 6：Qwen: Qwen3.5-9B，得分 93.9 分 — 查看该模型的详细评测结果
- 第 7：GLM-5v-turbo，得分 93.5 分 — 查看该模型的详细评测结果
- 第 8：kimi-k2.6，得分 93.5 分 — 查看该模型的详细评测结果
- 第 9：qwen3.5-plus-2026-02-15，得分 92.71 分 — 查看该模型的详细评测结果
- 第 10：qwen3-max，得分 92.71 分 — 查看该模型的详细评测结果
- 第 11：qwen3.6-plus-preview，得分 92.6 分 — 查看该模型的详细评测结果
- 第 12：mimo-v2-flash，得分 92.51 分 — 查看该模型的详细评测结果
- 第 13：qwen3.5-27b，得分 92.4 分 — 查看该模型的详细评测结果
- 第 14：Claude Opus 4 7，得分 92.2 分 — 查看该模型的详细评测结果
- 第 15：Google: Gemma 4 26B A4B ，得分 92.1 分 — 查看该模型的详细评测结果
- 第 16：Elephant，得分 92.1 分 — 查看该模型的详细评测结果
- 第 17：Google: Gemma 4 31B，得分 92.0 分 — 查看该模型的详细评测结果
- 第 18：glm-5，得分 91.85 分 — 查看该模型的详细评测结果
- 第 19：doubao-seed-2-0-mini，得分 91.55 分 — 查看该模型的详细评测结果
- 第 20：glm-5-turbo，得分 91.5 分 — 查看该模型的详细评测结果
- 第 21：kimi-k2.5，得分 91.37 分 — 查看该模型的详细评测结果
- 第 22：kimi-k2-thinking-turbo，得分 91.21 分 — 查看该模型的详细评测结果
- 第 23：Anthropic: Claude Sonnet 4.6，得分 91.18 分 — 查看该模型的详细评测结果
- 第 24：Google: Gemini 3.1 Pro Preview，得分 91.0 分 — 查看该模型的详细评测结果
- 第 25：StepFun: Step 3.5 Flash，得分 91.0 分 — 查看该模型的详细评测结果
- 第 26：xAI: Grok 4.20 Beta，得分 91.0 分 — 查看该模型的详细评测结果
- 第 27：qwen3.5-flash，得分 90.9 分 — 查看该模型的详细评测结果
- 第 28：Google: Gemini 3 Flash Preview，得分 90.68 分 — 查看该模型的详细评测结果
- 第 29：Anthropic: Claude Haiku 4.5，得分 90.68 分 — 查看该模型的详细评测结果
- 第 30：MiniMax-M2.7，得分 90.5 分 — 查看该模型的详细评测结果
- 第 31：mimo-v2-pro，得分 90.5 分 — 查看该模型的详细评测结果
- 第 32：doubao-seed-2-0-code，得分 90.2 分 — 查看该模型的详细评测结果
- 第 33：GPT-5.2，得分 90.2 分 — 查看该模型的详细评测结果
- 第 34：OpenAI: gpt-oss-120b，得分 90.13 分 — 查看该模型的详细评测结果
- 第 35：qwen3-coder-next，得分 89.5 分 — 查看该模型的详细评测结果
- 第 36：OpenAI: GPT-5.4，得分 88.5 分 — 查看该模型的详细评测结果
- 第 37：qwen3-235b-a22b，得分 87.9 分 — 查看该模型的详细评测结果
- 第 38：qwen3-4b，得分 87.7 分 — 查看该模型的详细评测结果
- 第 39：Meituan: LongCat Flash Chat，得分 86.83 分 — 查看该模型的详细评测结果
- 第 40：MiniMax-M2.1，得分 86.79 分 — 查看该模型的详细评测结果
- 第 41：doubao-seed-1-6，得分 86.6 分 — 查看该模型的详细评测结果
- 第 42：doubao-seed-1-8，得分 86.5 分 — 查看该模型的详细评测结果
- 第 43：deepseek-v3.2，得分 86.34 分 — 查看该模型的详细评测结果
- 第 44：glm-4.7，得分 86.3 分 — 查看该模型的详细评测结果
- 第 45：mimo-v2-omni，得分 86.0 分 — 查看该模型的详细评测结果
- 第 46：NVIDIA: Nemotron 3 Super (free)，得分 85.3 分 — 查看该模型的详细评测结果
- 第 47：qwen3-coder-flash，得分 85.3 分 — 查看该模型的详细评测结果
- 第 48：qwen3-coder-plus，得分 84.7 分 — 查看该模型的详细评测结果
- 第 49：hunyuan-large，得分 84.3 分 — 查看该模型的详细评测结果
- 第 50：MiniMax-M2.5，得分 84.06 分 — 查看该模型的详细评测结果
- 第 51：doubao-seed-2-0-pro，得分 83.16 分 — 查看该模型的详细评测结果
- 第 52：OpenAI: GPT-5 Mini，得分 82.92 分 — 查看该模型的详细评测结果
- 第 53：hunyuan-pro，得分 82.8 分 — 查看该模型的详细评测结果
- 第 54：xAI: Grok 4.1 Fast，得分 82.63 分 — 查看该模型的详细评测结果
- 第 55：Grok 4，得分 82.5 分 — 查看该模型的详细评测结果
- 第 56：OpenAI: GPT-4o-mini，得分 82.43 分 — 查看该模型的详细评测结果
- 第 57：OpenAI: gpt-oss-20b，得分 82.33 分 — 查看该模型的详细评测结果
- 第 58：glm-4.5-air，得分 82.26 分 — 查看该模型的详细评测结果
- 第 59：OpenAI: GPT-5 Nano，得分 82.21 分 — 查看该模型的详细评测结果
- 第 60：qwen3-14b，得分 79.0 分 — 查看该模型的详细评测结果
- 第 61：Meta: Llama 3.3 70B Instruct，得分 78.53 分 — 查看该模型的详细评测结果
- 第 62：qwen3-8b，得分 77.0 分 — 查看该模型的详细评测结果
- 第 63：doubao-seed-2-0-lite，得分 76.3 分 — 查看该模型的详细评测结果
- 第 64：doubao-seed-1-6-flash，得分 67.8 分 — 查看该模型的详细评测结果
- 第 65：Mistral: Mistral Nemo，得分 61.3 分 — 查看该模型的详细评测结果
- 第 66：qwen3-0.6b，得分 50.8 分 — 查看该模型的详细评测结果
- 第 67：Google: Gemini 2.5 Flash Lite，得分 15.19 分 — 查看该模型的详细评测结果
- 第 68：hunyuan-turbo，得分 6.57 分 — 查看该模型的详细评测结果
