MedicalBenchmark
Meta: Llama 3.1 70B Instruct provider

Llama 3.1 70B Instruct

206

#206 319 modeloetatik sailkapen orokorrean

3 MIR azterketatan metatutako errendimendua

Puntuazio garbia

467.33 pts

Ziurtasuna

82.8%

Zuzenak / Okerrak

497 / 89

Kostu osoa

$0.26

Errendimendu Orokorra

(vs. batez bestekoa)
Ziurtasuna

82.8%

avg: 80.6%

Puntuazio garbia

467.33 pts

avg: 453.30 pts

Zuzenak

497

avg: 483

Okerrak

89

avg: 90

Kostu osoa

$0.26

avg: $9.58

Batez besteko erantzun-denbora

10.0s

avg: 17.9s

Irteerako tokenak

271K

avg: 1.3M

Arrazonamendu tokenak

0

avg: 898K

Batez besteko konfiantza

96.5%

avg: 95.4%

Azterketaren araberako banaketa

MIR 2024
203
Zuzenak
170
Okerrak
28
Ziurtasuna
85.0%
Puntuazio garbia
160.66
MIR 2025
204
Zuzenak
161
Okerrak
33
Ziurtasuna
80.5%
Puntuazio garbia
150.00
MIR 2026
214
Zuzenak
166
Okerrak
28
Ziurtasuna
83.0%
Puntuazio garbia
156.66