MedicalBenchmark
Meta: Llama 3 70B Instruct provider

Llama 3 70B Instruct

237

#237 319 modeloetatik sailkapen orokorrean

3 MIR azterketatan metatutako errendimendua

Puntuazio garbia

426.66 pts

Ziurtasuna

78.0%

Zuzenak / Okerrak

468 / 124

Kostu osoa

$0.31

Errendimendu Orokorra

(vs. batez bestekoa)
Ziurtasuna

78.0%

avg: 80.6%

Puntuazio garbia

426.66 pts

avg: 453.30 pts

Zuzenak

468

avg: 483

Okerrak

124

avg: 90

Kostu osoa

$0.31

avg: $9.58

Batez besteko erantzun-denbora

13.8s

avg: 17.9s

Irteerako tokenak

217K

avg: 1.3M

Arrazonamendu tokenak

0

avg: 898K

Batez besteko konfiantza

97.9%

avg: 95.4%

Azterketaren araberako banaketa

MIR 2024
239
Zuzenak
158
Okerrak
40
Ziurtasuna
79.0%
Puntuazio garbia
144.66
MIR 2025
243
Zuzenak
147
Okerrak
51
Ziurtasuna
73.5%
Puntuazio garbia
130.00
MIR 2026
233
Zuzenak
163
Okerrak
33
Ziurtasuna
81.5%
Puntuazio garbia
152.00