MedicalBenchmark
Anthropic: Claude Sonnet 4 provider

Claude Sonnet 4

63

#63 319 modeloetatik sailkapen orokorrean

3 MIR azterketatan metatutako errendimendua

Puntuazio garbia

557.33 pts

Ziurtasuna

94.7%

Zuzenak / Okerrak

568 / 32

Kostu osoa

$6.64

Errendimendu Orokorra

(vs. batez bestekoa)
Ziurtasuna

94.7%

avg: 80.6%

Puntuazio garbia

557.33 pts

avg: 453.30 pts

Zuzenak

568

avg: 483

Okerrak

32

avg: 90

Kostu osoa

$6.64

avg: $9.58

Batez besteko erantzun-denbora

10.4s

avg: 17.9s

Irteerako tokenak

370K

avg: 1.3M

Arrazonamendu tokenak

0

avg: 898K

Batez besteko konfiantza

99.9%

avg: 95.4%

Azterketaren araberako banaketa

MIR 2024
76
Zuzenak
190
Okerrak
10
Ziurtasuna
95.0%
Puntuazio garbia
186.66
MIR 2025
60
Zuzenak
186
Okerrak
14
Ziurtasuna
93.0%
Puntuazio garbia
181.33
MIR 2026
64
Zuzenak
192
Okerrak
8
Ziurtasuna
96.0%
Puntuazio garbia
189.33