Arakatu MIR azterketako galdera ofizialak urtearen arabera antolatuta. Galdera bakoitzak IA modeloen errendimenduaren azterketa zehatza dauka.
2026(e)ko urtarrilaren 24(a)
AA onena: 198.67 garbi (Google: Gemini 3 Flash Preview)
Gizaki onena: Emaitzen zain
2025(e)ko urtarrilaren 25(a)
AA onena: 190.67 garbi (Google: Gemini 3 Flash Preview)
Gizaki onena: 165.67 garbi
2024(e)ko urtarrilaren 20(a)
AA onena: 193.67 garbi (Perplexity: Sonar Deep Research)
Gizaki onena: 186.67 garbi
Azterketa ofizialeko galderetan zero-shot zehaztasunean oinarritutako ebaluazioa.
Puntuación neta: 198.66 pts
OpenAI
Puntuación neta: 198.66 pts
OpenAI
Puntuación neta: 198.66 pts
OpenAI
Puntuación neta: 197.33 pts
OpenAI
Puntuación neta: 197.33 pts
OpenAI
Puntuación neta: 197.33 pts
Nola ebaluatzen ditugun adimen artifizialeko modeloak eremu medikoan MIR azterketa erreferentzia gisa erabiliz.
Espainiako MIR azterketako benetako galderak erabiltzen ditugu, maila profesionalean ezagutza medikoak ebaluatzeko estandarra. Galdera bakoitza egiaztatuta eta espezialitatearen arabera sailkatuta dago.
Modelo bakoitza baldintza kontrolatu berdinetan ebaluatzen da, kanpoko informaziorik gabe. Zehaztasuna, arrazonamendu klinikoa eta erantzunen koherentzia neurtzen ditugu.
Metrika granularrak eskaintzen ditugu espezialitate medikoaren, galdera motaren eta zailtasun-mailaren arabera. Honek modelo bakoitzaren indarguneak eta hobekuntza-arloak identifikatzea ahalbidetzen du.
MIR azterketako galderen banaketa irakasgaiaren eta motaren arabera edizio bakoitzean.
Gure benchmark-ak IA modeloen errendimenduaren ebaluazio sakona eskaintzen du eremu medikoan.
Errendimenduaren jarraipena denboran zehar hobekuntzak eta atzerakadak identifikatzeko.
Azterketa granularra irakasgaiaren eta galdera kliniko motaren arabera.
Espainiako MIR azterketa ofizialean oinarritutako benchmark estandarizatuak.
Metodologia irekia eta erreproduzigarria ebaluazio-irizpideetarako sarbide osoarekin.
Modelo berriak eta MIR azterketaren edizio berriak aldiro gehitzen dira.
Rankingak eta estatistikak modeloen arteko errendimendua erraz konparatzeko.
Osasun Ministerioko galdera ofizialak erantzun balioztatuekin.
Galderen banaketa motaren arabera
Galderen banaketa irakasgaiaren arabera
Artikuluak, berriak eta analisiak medikuntzan IA-ri buruz
MIR 2026ko rankingeko lehen 33 postuak jabetza-eredu guztiak dira. Eredu irekien eta itxien arteko aldea, IAko open source-aren benetako taxonomia, eta zergatik RAGek fine-tuning-a gainditzen duen IA medikoa pertsonalizatzeko aztertzen ditugu.
Gehiago irakurri
Claude Opus 4.6 eta GPT-5.2-Codex programatzeko IA eredu aurreratuenak dira. Baina MIR 2026an, 0,34 €-ko Flash eredu batek umiliatzen ditu. Paradoxa agentikoaren analisia 290 ereduren datuekin.
Gehiago irakurri
Gaztelaniazko IA medikoaren benchmark handiaren emaitza behinbetikoak. Hiru ereduk 199 asmatu dituzte 200 galdera baliozkoetatik. 'Flash' eredu batek hirugarren urtez jarraian lidertzen du. 290 ereduren azterketa sakona, kostu, abiadura, token eta zehaztasunaren datuekin.
Gehiago irakurri
