R1 Distill Llama 70B
187
#187 319 modeloetatik sailkapen orokorrean
3 MIR azterketatan metatutako errendimendua
Puntuazio garbia
486.00 pts
Ziurtasuna
85.5%
Zuzenak / Okerrak
513 / 81
Kostu osoa
$0.81
Errendimendu Orokorra
(vs. batez bestekoa)Ziurtasuna
85.5%
avg: 80.6%
Puntuazio garbia
486.00 pts
avg: 453.30 pts
Zuzenak
513
avg: 483
Okerrak
81
avg: 90
Kostu osoa
$0.81
avg: $9.58
Batez besteko erantzun-denbora
14.6s
avg: 17.9s
Irteerako tokenak
531K
avg: 1.3M
Arrazonamendu tokenak
449K
avg: 898K
Batez besteko konfiantza
98.7%
avg: 95.4%
Azterketaren araberako banaketa
| Azterketa | Posizioa | Zuzenak | Okerrak | Ziurtasuna | Puntuazio garbia | Kostu osoa | |
|---|---|---|---|---|---|---|---|
| MIR 2024 | 185 | 175 | 24 | 87.5% | 167.00 | $0.26 | Ikusi xehetasuna |
| MIR 2025 | 184 | 166 | 31 | 83.0% | 155.66 | $0.28 | Ikusi xehetasuna |
| MIR 2026 | 197 | 172 | 26 | 86.0% | 163.33 | $0.27 | Ikusi xehetasuna |