MedicalBenchmark
Anthropic: Claude Opus 4 provider

Claude Opus 4

74

#74 319 modeloetatik sailkapen orokorrean

3 MIR azterketatan metatutako errendimendua

Puntuazio garbia

552.66 pts

Ziurtasuna

94.0%

Zuzenak / Okerrak

564 / 34

Kostu osoa

$31.62

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

$31.62

avg: $9.58

Batez besteko erantzun-denbora

28.1s

avg: 17.9s

Irteerako tokenak

349K

avg: 1.3M

Arrazonamendu tokenak

0

avg: 898K

Batez besteko konfiantza

99.4%

avg: 95.4%

Azterketaren araberako banaketa

MIR 2024
90
Zuzenak
189
Okerrak
11
Ziurtasuna
94.5%
Puntuazio garbia
185.33
MIR 2025
76
Zuzenak
183
Okerrak
17
Ziurtasuna
91.5%
Puntuazio garbia
177.33
MIR 2026
61
Zuzenak
192
Okerrak
6
Ziurtasuna
96.0%
Puntuazio garbia
190.00