MedicalBenchmark
DeepSeek: R1 provider

R1

81

#81 319 modeloetatik sailkapen orokorrean

3 MIR azterketatan metatutako errendimendua

Puntuazio garbia

548.33 pts

Ziurtasuna

93.3%

Zuzenak / Okerrak

560 / 35

Kostu osoa

$2.44

Errendimendu Orokorra

(vs. batez bestekoa)
Ziurtasuna

93.3%

avg: 80.6%

Puntuazio garbia

548.33 pts

avg: 453.30 pts

Zuzenak

560

avg: 483

Okerrak

35

avg: 90

Kostu osoa

$2.44

avg: $9.58

Batez besteko erantzun-denbora

44.4s

avg: 17.9s

Irteerako tokenak

896K

avg: 1.3M

Arrazonamendu tokenak

522K

avg: 898K

Batez besteko konfiantza

99.1%

avg: 95.4%

Azterketaren araberako banaketa

MIR 2024
55
Zuzenak
191
Okerrak
8
Ziurtasuna
95.5%
Puntuazio garbia
188.33
MIR 2025
100
Zuzenak
179
Okerrak
18
Ziurtasuna
89.5%
Puntuazio garbia
173.00
MIR 2026
75
Zuzenak
190
Okerrak
9
Ziurtasuna
95.0%
Puntuazio garbia
187.00