MedicalBenchmark
AllenAI: Olmo 3.1 32B Instruct provider

Olmo 3.1 32B Instruct

278

#278 319 modeloetatik sailkapen orokorrean

3 MIR azterketatan metatutako errendimendua

Puntuazio garbia

273.00 pts

Ziurtasuna

58.0%

Zuzenak / Okerrak

348 / 225

Kostu osoa

$0.34

Errendimendu Orokorra

(vs. batez bestekoa)
Ziurtasuna

58.0%

avg: 80.6%

Puntuazio garbia

273.00 pts

avg: 453.30 pts

Zuzenak

348

avg: 483

Okerrak

225

avg: 90

Kostu osoa

$0.34

avg: $9.58

Batez besteko erantzun-denbora

12.6s

avg: 17.9s

Irteerako tokenak

453K

avg: 1.3M

Arrazonamendu tokenak

0

avg: 898K

Batez besteko konfiantza

94.4%

avg: 95.4%

Azterketaren araberako banaketa

MIR 2024
279
Zuzenak
116
Okerrak
76
Ziurtasuna
58.0%
Puntuazio garbia
90.66
MIR 2025
276
Zuzenak
107
Okerrak
83
Ziurtasuna
53.5%
Puntuazio garbia
79.33
MIR 2026
279
Zuzenak
125
Okerrak
66
Ziurtasuna
62.5%
Puntuazio garbia
103.00