MedicalBenchmark
Meta: Llama 3.3 70B Instruct provider

Llama 3.3 70B Instruct

195

#195 319 modeloetatik sailkapen orokorrean

3 MIR azterketatan metatutako errendimendua

Puntuazio garbia

478.33 pts

Ziurtasuna

84.0%

Zuzenak / Okerrak

504 / 77

Kostu osoa

$0.28

Errendimendu Orokorra

(vs. batez bestekoa)
Ziurtasuna

84.0%

avg: 80.6%

Puntuazio garbia

478.33 pts

avg: 453.30 pts

Zuzenak

504

avg: 483

Okerrak

77

avg: 90

Kostu osoa

$0.28

avg: $9.58

Batez besteko erantzun-denbora

14.1s

avg: 17.9s

Irteerako tokenak

322K

avg: 1.3M

Arrazonamendu tokenak

0

avg: 898K

Batez besteko konfiantza

94.9%

avg: 95.4%

Azterketaren araberako banaketa

MIR 2024
201
Zuzenak
171
Okerrak
27
Ziurtasuna
85.5%
Puntuazio garbia
162.00
MIR 2025
203
Zuzenak
161
Okerrak
32
Ziurtasuna
80.5%
Puntuazio garbia
150.33
MIR 2026
177
Zuzenak
172
Okerrak
18
Ziurtasuna
86.0%
Puntuazio garbia
166.00