MedicalBenchmark
Meta: Llama 3.2 11B Vision Instruct provider

Llama 3.2 11B Vision Instruct

305

#305 319 modeloetatik sailkapen orokorrean

3 MIR azterketatan metatutako errendimendua

Puntuazio garbia

127.00 pts

Ziurtasuna

28.8%

Zuzenak / Okerrak

173 / 138

Kostu osoa

$0.12

Errendimendu Orokorra

(vs. batez bestekoa)
Ziurtasuna

28.8%

avg: 80.6%

Puntuazio garbia

127.00 pts

avg: 453.30 pts

Zuzenak

173

avg: 483

Okerrak

138

avg: 90

Kostu osoa

$0.12

avg: $9.58

Batez besteko erantzun-denbora

51.5s

avg: 17.9s

Irteerako tokenak

639K

avg: 1.3M

Arrazonamendu tokenak

0

avg: 898K

Batez besteko konfiantza

52.5%

avg: 95.4%

Azterketaren araberako banaketa

MIR 2024
302
Zuzenak
61
Okerrak
49
Ziurtasuna
30.5%
Puntuazio garbia
44.66
MIR 2025
304
Zuzenak
46
Okerrak
47
Ziurtasuna
23.0%
Puntuazio garbia
30.33
MIR 2026
306
Zuzenak
66
Okerrak
42
Ziurtasuna
33.0%
Puntuazio garbia
52.00