MedicalBenchmark
Anthropic: Claude 3.5 Sonnet provider

Claude 3.5 Sonnet

73

#73 319 modeloetatik sailkapen orokorrean

3 MIR azterketatan metatutako errendimendua

Puntuazio garbia

552.66 pts

Ziurtasuna

94.0%

Zuzenak / Okerrak

564 / 34

Kostu osoa

$9.99

Errendimendu Orokorra

(vs. batez bestekoa)
Ziurtasuna

94.0%

avg: 80.6%

Puntuazio garbia

552.66 pts

avg: 453.30 pts

Zuzenak

564

avg: 483

Okerrak

34

avg: 90

Kostu osoa

$9.99

avg: $9.58

Batez besteko erantzun-denbora

11.1s

avg: 17.9s

Irteerako tokenak

261K

avg: 1.3M

Arrazonamendu tokenak

0

avg: 898K

Batez besteko konfiantza

99.4%

avg: 95.4%

Azterketaren araberako banaketa

MIR 2024
23
Zuzenak
194
Okerrak
6
Ziurtasuna
97.0%
Puntuazio garbia
192.00
MIR 2025
78
Zuzenak
182
Okerrak
17
Ziurtasuna
91.0%
Puntuazio garbia
176.33
MIR 2026
99
Zuzenak
188
Okerrak
11
Ziurtasuna
94.0%
Puntuazio garbia
184.33