MedicalBenchmark
Anthropic: Claude 3 Haiku provider

Claude 3 Haiku

253

#253 319 modeloetatik sailkapen orokorrean

3 MIR azterketatan metatutako errendimendua

Puntuazio garbia

381.66 pts

Ziurtasuna

72.0%

Zuzenak / Okerrak

432 / 151

Kostu osoa

$0.40

Errendimendu Orokorra

(vs. batez bestekoa)
Ziurtasuna

72.0%

avg: 80.6%

Puntuazio garbia

381.66 pts

avg: 453.30 pts

Zuzenak

432

avg: 483

Okerrak

151

avg: 90

Kostu osoa

$0.40

avg: $9.58

Batez besteko erantzun-denbora

3.3s

avg: 17.9s

Irteerako tokenak

250K

avg: 1.3M

Arrazonamendu tokenak

0

avg: 898K

Batez besteko konfiantza

97.3%

avg: 95.4%

Azterketaren araberako banaketa

MIR 2024
249
Zuzenak
152
Okerrak
42
Ziurtasuna
76.0%
Puntuazio garbia
138.00
MIR 2025
253
Zuzenak
134
Okerrak
60
Ziurtasuna
67.0%
Puntuazio garbia
114.00
MIR 2026
255
Zuzenak
146
Okerrak
49
Ziurtasuna
73.0%
Puntuazio garbia
129.66