MedicalBenchmark
MoonshotAI: Kimi K2 0711 provider

Kimi K2 0711

136

#136 319 modeloetatik sailkapen orokorrean

3 MIR azterketatan metatutako errendimendua

Puntuazio garbia

521.33 pts

Ziurtasuna

89.7%

Zuzenak / Okerrak

538 / 50

Kostu osoa

$0.92

Errendimendu Orokorra

(vs. batez bestekoa)
Ziurtasuna

89.7%

avg: 80.6%

Puntuazio garbia

521.33 pts

avg: 453.30 pts

Zuzenak

538

avg: 483

Okerrak

50

avg: 90

Kostu osoa

$0.92

avg: $9.58

Batez besteko erantzun-denbora

11.9s

avg: 17.9s

Irteerako tokenak

320K

avg: 1.3M

Arrazonamendu tokenak

0

avg: 898K

Batez besteko konfiantza

98.2%

avg: 95.4%

Azterketaren araberako banaketa

MIR 2024
138
Zuzenak
182
Okerrak
13
Ziurtasuna
91.0%
Puntuazio garbia
177.66
MIR 2025
134
Zuzenak
174
Okerrak
21
Ziurtasuna
87.0%
Puntuazio garbia
167.00
MIR 2026
135
Zuzenak
182
Okerrak
16
Ziurtasuna
91.0%
Puntuazio garbia
176.66