MedicalBenchmark
Anthropic: Claude 3.5 Haiku provider

Claude 3.5 Haiku

235

#235 319 modeloetatik sailkapen orokorrean

3 MIR azterketatan metatutako errendimendua

Puntuazio garbia

432.66 pts

Ziurtasuna

78.7%

Zuzenak / Okerrak

472 / 118

Kostu osoa

$1.20

Errendimendu Orokorra

(vs. batez bestekoa)
Ziurtasuna

78.7%

avg: 80.6%

Puntuazio garbia

432.66 pts

avg: 453.30 pts

Zuzenak

472

avg: 483

Okerrak

118

avg: 90

Kostu osoa

$1.20

avg: $9.58

Batez besteko erantzun-denbora

7.0s

avg: 17.9s

Irteerako tokenak

227K

avg: 1.3M

Arrazonamendu tokenak

0

avg: 898K

Batez besteko konfiantza

97.9%

avg: 95.4%

Azterketaren araberako banaketa

MIR 2024
231
Zuzenak
160
Okerrak
37
Ziurtasuna
80.0%
Puntuazio garbia
147.66
MIR 2025
240
Zuzenak
148
Okerrak
49
Ziurtasuna
74.0%
Puntuazio garbia
131.66
MIR 2026
228
Zuzenak
164
Okerrak
32
Ziurtasuna
82.0%
Puntuazio garbia
153.33