MedicalBenchmark
MoonshotAI: Kimi Dev 72B provider

Kimi Dev 72B

207

#207 319 modeloetatik sailkapen orokorrean

3 MIR azterketatan metatutako errendimendua

Puntuazio garbia

466.33 pts

Ziurtasuna

81.5%

Zuzenak / Okerrak

489 / 68

Kostu osoa

$0.90

Errendimendu Orokorra

(vs. batez bestekoa)
Ziurtasuna

81.5%

avg: 80.6%

Puntuazio garbia

466.33 pts

avg: 453.30 pts

Zuzenak

489

avg: 483

Okerrak

68

avg: 90

Kostu osoa

$0.90

avg: $9.58

Batez besteko erantzun-denbora

44.8s

avg: 17.9s

Irteerako tokenak

713K

avg: 1.3M

Arrazonamendu tokenak

527K

avg: 898K

Batez besteko konfiantza

97.1%

avg: 95.4%

Azterketaren araberako banaketa

MIR 2024
188
Zuzenak
173
Okerrak
20
Ziurtasuna
86.5%
Puntuazio garbia
166.33
MIR 2025
230
Zuzenak
147
Okerrak
25
Ziurtasuna
73.5%
Puntuazio garbia
138.66
MIR 2026
203
Zuzenak
169
Okerrak
23
Ziurtasuna
84.5%
Puntuazio garbia
161.33