MedicalBenchmark
Baidu: ERNIE 4.5 21B A3B Thinking provider

ERNIE 4.5 21B A3B Thinking

260

#260 319 modeloetatik sailkapen orokorrean

3 MIR azterketatan metatutako errendimendua

Puntuazio garbia

346.33 pts

Ziurtasuna

68.2%

Zuzenak / Okerrak

409 / 188

Kostu osoa

$0.50

Errendimendu Orokorra

(vs. batez bestekoa)
Ziurtasuna

68.2%

avg: 80.6%

Puntuazio garbia

346.33 pts

avg: 453.30 pts

Zuzenak

409

avg: 483

Okerrak

188

avg: 90

Kostu osoa

$0.50

avg: $9.58

Batez besteko erantzun-denbora

30.0s

avg: 17.9s

Irteerako tokenak

1.7M

avg: 1.3M

Arrazonamendu tokenak

1.3M

avg: 898K

Batez besteko konfiantza

99.1%

avg: 95.4%

Azterketaren araberako banaketa

MIR 2024
266
Zuzenak
130
Okerrak
67
Ziurtasuna
65.0%
Puntuazio garbia
107.66
MIR 2025
256
Zuzenak
134
Okerrak
66
Ziurtasuna
67.0%
Puntuazio garbia
112.00
MIR 2026
257
Zuzenak
145
Okerrak
55
Ziurtasuna
72.5%
Puntuazio garbia
126.66