MedicalBenchmark
Google: Gemini 3.1 Pro Preview Custom Tools provider

Gemini 3.1 Pro Preview Custom Tools

12

#12 319 modeloetatik sailkapen orokorrean

3 MIR azterketatan metatutako errendimendua

Puntuazio garbia

578.66 pts

Ziurtasuna

97.0%

Zuzenak / Okerrak

582 / 10

Kostu osoa

$0.00

Errendimendu Orokorra

(vs. batez bestekoa)
Ziurtasuna

97.0%

avg: 80.6%

Puntuazio garbia

578.66 pts

avg: 453.30 pts

Zuzenak

582

avg: 483

Okerrak

10

avg: 90

Kostu osoa

$0.00

avg: $9.58

Batez besteko erantzun-denbora

17.4s

avg: 17.9s

Irteerako tokenak

1.1M

avg: 1.3M

Arrazonamendu tokenak

789K

avg: 898K

Batez besteko konfiantza

100.0%

avg: 95.4%

Azterketaren araberako banaketa

MIR 2024
15
Zuzenak
194
Okerrak
5
Ziurtasuna
97.0%
Puntuazio garbia
192.33
MIR 2025
20
Zuzenak
191
Okerrak
5
Ziurtasuna
95.5%
Puntuazio garbia
189.33
MIR 2026
17
Zuzenak
197
Okerrak
0
Ziurtasuna
98.5%
Puntuazio garbia
197.00