MedicalBenchmark
AllenAI: Olmo 3 32B Think provider

Olmo 3 32B Think

249

#249 319 modeloetatik sailkapen orokorrean

3 MIR azterketatan metatutako errendimendua

Puntuazio garbia

399.66 pts

Ziurtasuna

72.8%

Zuzenak / Okerrak

437 / 112

Kostu osoa

$1.12

Errendimendu Orokorra

(vs. batez bestekoa)
Ziurtasuna

72.8%

avg: 80.6%

Puntuazio garbia

399.66 pts

avg: 453.30 pts

Zuzenak

437

avg: 483

Okerrak

112

avg: 90

Kostu osoa

$1.12

avg: $9.58

Batez besteko erantzun-denbora

46.7s

avg: 17.9s

Irteerako tokenak

2.1M

avg: 1.3M

Arrazonamendu tokenak

1.9M

avg: 898K

Batez besteko konfiantza

88.0%

avg: 95.4%

Azterketaren araberako banaketa

MIR 2024
244
Zuzenak
152
Okerrak
36
Ziurtasuna
76.0%
Puntuazio garbia
140.00
MIR 2025
247
Zuzenak
140
Okerrak
42
Ziurtasuna
70.0%
Puntuazio garbia
126.00
MIR 2026
253
Zuzenak
145
Okerrak
34
Ziurtasuna
72.5%
Puntuazio garbia
133.66