MedicalBenchmark
AllenAI: Olmo 3.1 32B Think provider

Olmo 3.1 32B Think

244

#244 319 modeloetatik sailkapen orokorrean

3 MIR azterketatan metatutako errendimendua

Puntuazio garbia

412.00 pts

Ziurtasuna

74.0%

Zuzenak / Okerrak

444 / 96

Kostu osoa

$1.14

Errendimendu Orokorra

(vs. batez bestekoa)
Ziurtasuna

74.0%

avg: 80.6%

Puntuazio garbia

412.00 pts

avg: 453.30 pts

Zuzenak

444

avg: 483

Okerrak

96

avg: 90

Kostu osoa

$1.14

avg: $9.58

Batez besteko erantzun-denbora

46.9s

avg: 17.9s

Irteerako tokenak

2.2M

avg: 1.3M

Arrazonamendu tokenak

2.0M

avg: 898K

Batez besteko konfiantza

88.0%

avg: 95.4%

Azterketaren araberako banaketa

MIR 2024
245
Zuzenak
150
Okerrak
30
Ziurtasuna
75.0%
Puntuazio garbia
140.00
MIR 2025
246
Zuzenak
141
Okerrak
40
Ziurtasuna
70.5%
Puntuazio garbia
127.66
MIR 2026
241
Zuzenak
153
Okerrak
26
Ziurtasuna
76.5%
Puntuazio garbia
144.33