MedicalBenchmark
Meta: Llama 3.2 3B Instruct provider

Llama 3.2 3B Instruct

304

#304 319 modeloetatik sailkapen orokorrean

3 MIR azterketatan metatutako errendimendua

Puntuazio garbia

129.66 pts

Ziurtasuna

37.8%

Zuzenak / Okerrak

227 / 292

Kostu osoa

$0.03

Errendimendu Orokorra

(vs. batez bestekoa)
Ziurtasuna

37.8%

avg: 80.6%

Puntuazio garbia

129.66 pts

avg: 453.30 pts

Zuzenak

227

avg: 483

Okerrak

292

avg: 90

Kostu osoa

$0.03

avg: $9.58

Batez besteko erantzun-denbora

22.4s

avg: 17.9s

Irteerako tokenak

429K

avg: 1.3M

Arrazonamendu tokenak

0

avg: 898K

Batez besteko konfiantza

83.9%

avg: 95.4%

Azterketaren araberako banaketa

MIR 2024
306
Zuzenak
72
Okerrak
100
Ziurtasuna
36.0%
Puntuazio garbia
38.66
MIR 2025
305
Zuzenak
64
Okerrak
106
Ziurtasuna
32.0%
Puntuazio garbia
28.66
MIR 2026
301
Zuzenak
91
Okerrak
86
Ziurtasuna
45.5%
Puntuazio garbia
62.33