MedicalBenchmark
AllenAI: Olmo 3 7B Think provider

Olmo 3 7B Think

283

#283 319 modeloetatik sailkapen orokorrean

3 MIR azterketatan metatutako errendimendua

Puntuazio garbia

244.00 pts

Ziurtasuna

55.2%

Zuzenak / Okerrak

331 / 261

Kostu osoa

$0.41

Errendimendu Orokorra

(vs. batez bestekoa)
Ziurtasuna

55.2%

avg: 80.6%

Puntuazio garbia

244.00 pts

avg: 453.30 pts

Zuzenak

331

avg: 483

Okerrak

261

avg: 90

Kostu osoa

$0.41

avg: $9.58

Batez besteko erantzun-denbora

15.5s

avg: 17.9s

Irteerako tokenak

1.9M

avg: 1.3M

Arrazonamendu tokenak

1.6M

avg: 898K

Batez besteko konfiantza

97.6%

avg: 95.4%

Azterketaren araberako banaketa

MIR 2024
282
Zuzenak
112
Okerrak
84
Ziurtasuna
56.0%
Puntuazio garbia
84.00
MIR 2025
287
Zuzenak
99
Okerrak
98
Ziurtasuna
49.5%
Puntuazio garbia
66.33
MIR 2026
283
Zuzenak
120
Okerrak
79
Ziurtasuna
60.0%
Puntuazio garbia
93.66