MedicalBenchmark
Deep Cogito: Cogito V2 Preview Llama 405B provider

Cogito V2 Preview Llama 405B

182

#182 319 modeloetatik sailkapen orokorrean

3 MIR azterketatan metatutako errendimendua

Puntuazio garbia

488.66 pts

Ziurtasuna

85.2%

Zuzenak / Okerrak

511 / 67

Kostu osoa

$1.79

Errendimendu Orokorra

(vs. batez bestekoa)
Ziurtasuna

85.2%

avg: 80.6%

Puntuazio garbia

488.66 pts

avg: 453.30 pts

Zuzenak

511

avg: 483

Okerrak

67

avg: 90

Kostu osoa

$1.79

avg: $9.58

Batez besteko erantzun-denbora

13.4s

avg: 17.9s

Irteerako tokenak

218K

avg: 1.3M

Arrazonamendu tokenak

0

avg: 898K

Batez besteko konfiantza

96.2%

avg: 95.4%

Azterketaren araberako banaketa

MIR 2024
189
Zuzenak
173
Okerrak
21
Ziurtasuna
86.5%
Puntuazio garbia
166.00
MIR 2025
179
Zuzenak
165
Okerrak
26
Ziurtasuna
82.5%
Puntuazio garbia
156.33
MIR 2026
176
Zuzenak
173
Okerrak
20
Ziurtasuna
86.5%
Puntuazio garbia
166.33