MedicalBenchmark
MoonshotAI: Kimi K2.5 provider

Kimi K2.5

47

#47 319 modeloetatik sailkapen orokorrean

3 MIR azterketatan metatutako errendimendua

Puntuazio garbia

563.00 pts

Ziurtasuna

95.2%

Zuzenak / Okerrak

571 / 24

Kostu osoa

$4.11

Errendimendu Orokorra

(vs. batez bestekoa)
Ziurtasuna

95.2%

avg: 80.6%

Puntuazio garbia

563.00 pts

avg: 453.30 pts

Zuzenak

571

avg: 483

Okerrak

24

avg: 90

Kostu osoa

$4.11

avg: $9.58

Batez besteko erantzun-denbora

48.2s

avg: 17.9s

Irteerako tokenak

1.4M

avg: 1.3M

Arrazonamendu tokenak

892K

avg: 898K

Batez besteko konfiantza

98.8%

avg: 95.4%

Azterketaren araberako banaketa

MIR 2024
44
Zuzenak
192
Okerrak
8
Ziurtasuna
96.0%
Puntuazio garbia
189.33
MIR 2025
48
Zuzenak
187
Okerrak
12
Ziurtasuna
93.5%
Puntuazio garbia
183.00
MIR 2026
55
Zuzenak
192
Okerrak
4
Ziurtasuna
96.0%
Puntuazio garbia
190.66