MedicalBenchmark
Anthropic: Claude 3.7 Sonnet provider

Claude 3.7 Sonnet

61

#61 319 modeloetatik sailkapen orokorrean

3 MIR azterketatan metatutako errendimendua

Puntuazio garbia

557.66 pts

Ziurtasuna

94.5%

Zuzenak / Okerrak

567 / 28

Kostu osoa

$7.46

Errendimendu Orokorra

(vs. batez bestekoa)
Ziurtasuna

94.5%

avg: 80.6%

Puntuazio garbia

557.66 pts

avg: 453.30 pts

Zuzenak

567

avg: 483

Okerrak

28

avg: 90

Kostu osoa

$7.46

avg: $9.58

Batez besteko erantzun-denbora

10.3s

avg: 17.9s

Irteerako tokenak

425K

avg: 1.3M

Arrazonamendu tokenak

0

avg: 898K

Batez besteko konfiantza

99.1%

avg: 95.4%

Azterketaren araberako banaketa

MIR 2024
63
Zuzenak
191
Okerrak
9
Ziurtasuna
95.5%
Puntuazio garbia
188.00
MIR 2025
61
Zuzenak
185
Okerrak
11
Ziurtasuna
92.5%
Puntuazio garbia
181.33
MIR 2026
70
Zuzenak
191
Okerrak
8
Ziurtasuna
95.5%
Puntuazio garbia
188.33