MedicalBenchmark
Meta: Llama 4 Scout provider

Llama 4 Scout

161

#161 319 modeloetatik sailkapen orokorrean

3 MIR azterketatan metatutako errendimendua

Puntuazio garbia

501.33 pts

Ziurtasuna

87.5%

Zuzenak / Okerrak

525 / 71

Kostu osoa

$0.17

Errendimendu Orokorra

(vs. batez bestekoa)
Ziurtasuna

87.5%

avg: 80.6%

Puntuazio garbia

501.33 pts

avg: 453.30 pts

Zuzenak

525

avg: 483

Okerrak

71

avg: 90

Kostu osoa

$0.17

avg: $9.58

Batez besteko erantzun-denbora

6.8s

avg: 17.9s

Irteerako tokenak

315K

avg: 1.3M

Arrazonamendu tokenak

0

avg: 898K

Batez besteko konfiantza

98.6%

avg: 95.4%

Azterketaren araberako banaketa

MIR 2024
159
Zuzenak
179
Okerrak
20
Ziurtasuna
89.5%
Puntuazio garbia
172.33
MIR 2025
182
Zuzenak
166
Okerrak
31
Ziurtasuna
83.0%
Puntuazio garbia
155.66
MIR 2026
149
Zuzenak
180
Okerrak
20
Ziurtasuna
90.0%
Puntuazio garbia
173.33