レセコン（医事会計）computer-use ベンチマーク
架空の病院（一般病床 180 床・外来 150 名）の電子カルテとレセコンを並べた医事課端末で、VLM がスクリーンショットだけを見てマウスとキーボードで医事業務（照会・入力・電子カルテからの転記・レセプト点検）をこなせるかを測りました。点数は令和8年度の公式マスタで計算しています。ローカルモデルは DGX Spark（GB10）上の llama.cpp、Claude はクラウド API（参考）です。
モデル別サマリ
エージェントタスク（end-to-end）
各タスクで両システムを初期化し、モデルにスクリーンショットだけを渡して操作させます。照会タスクは答えの文字列で、入力・転記・点検タスクはタスク後のレセコンの状態（正解の診療行為と一致するか、対象外の変更がないか）で判定します。セルをクリックすると録画を再生できます。