MedicalBenchmark
Meta: Llama 3.2 1B Instruct provider

Llama 3.2 1B Instruct

316

#316 319 modeloetatik sailkapen orokorrean

3 MIR azterketatan metatutako errendimendua

Puntuazio garbia

38.66 pts

Ziurtasuna

17.0%

Zuzenak / Okerrak

102 / 190

Kostu osoa

$0.07

Errendimendu Orokorra

(vs. batez bestekoa)
Ziurtasuna

17.0%

avg: 80.6%

Puntuazio garbia

38.66 pts

avg: 453.30 pts

Zuzenak

102

avg: 483

Okerrak

190

avg: 90

Kostu osoa

$0.07

avg: $9.58

Batez besteko erantzun-denbora

3.4s

avg: 17.9s

Irteerako tokenak

309K

avg: 1.3M

Arrazonamendu tokenak

0

avg: 898K

Batez besteko konfiantza

49.1%

avg: 95.4%

Azterketaren araberako banaketa

MIR 2024
317
Zuzenak
29
Okerrak
65
Ziurtasuna
14.5%
Puntuazio garbia
7.33
MIR 2025
315
Zuzenak
29
Okerrak
67
Ziurtasuna
14.5%
Puntuazio garbia
6.66
MIR 2026
315
Zuzenak
44
Okerrak
58
Ziurtasuna
22.0%
Puntuazio garbia
24.66