MedicalBenchmark
Anthropic: Claude Opus 4.1 provider

Claude Opus 4.1

65

#65 319 modeloetatik sailkapen orokorrean

3 MIR azterketatan metatutako errendimendua

Puntuazio garbia

556.33 pts

Ziurtasuna

94.5%

Zuzenak / Okerrak

567 / 32

Kostu osoa

$33.53

Errendimendu Orokorra

(vs. batez bestekoa)
Ziurtasuna

94.5%

avg: 80.6%

Puntuazio garbia

556.33 pts

avg: 453.30 pts

Zuzenak

567

avg: 483

Okerrak

32

avg: 90

Kostu osoa

$33.53

avg: $9.58

Batez besteko erantzun-denbora

30.2s

avg: 17.9s

Irteerako tokenak

375K

avg: 1.3M

Arrazonamendu tokenak

0

avg: 898K

Batez besteko konfiantza

99.8%

avg: 95.4%

Azterketaren araberako banaketa

MIR 2024
91
Zuzenak
189
Okerrak
11
Ziurtasuna
94.5%
Puntuazio garbia
185.33
MIR 2025
89
Zuzenak
181
Okerrak
18
Ziurtasuna
90.5%
Puntuazio garbia
175.00
MIR 2026
25
Zuzenak
197
Okerrak
3
Ziurtasuna
98.5%
Puntuazio garbia
196.00