MedicalBenchmark
AllenAI: Olmo 3 7B Instruct provider

Olmo 3 7B Instruct

309

#309 319 modeloetatik sailkapen orokorrean

3 MIR azterketatan metatutako errendimendua

Puntuazio garbia

105.66 pts

Ziurtasuna

36.7%

Zuzenak / Okerrak

220 / 343

Kostu osoa

$0.14

Errendimendu Orokorra

(vs. batez bestekoa)
Ziurtasuna

36.7%

avg: 80.6%

Puntuazio garbia

105.66 pts

avg: 453.30 pts

Zuzenak

220

avg: 483

Okerrak

343

avg: 90

Kostu osoa

$0.14

avg: $9.58

Batez besteko erantzun-denbora

18.2s

avg: 17.9s

Irteerako tokenak

536K

avg: 1.3M

Arrazonamendu tokenak

0

avg: 898K

Batez besteko konfiantza

85.6%

avg: 95.4%

Azterketaren araberako banaketa

MIR 2024
313
Zuzenak
67
Okerrak
124
Ziurtasuna
33.5%
Puntuazio garbia
25.66
MIR 2025
308
Zuzenak
65
Okerrak
124
Ziurtasuna
32.5%
Puntuazio garbia
23.66
MIR 2026
304
Zuzenak
88
Okerrak
95
Ziurtasuna
44.0%
Puntuazio garbia
56.33