MedicalBenchmark
OpenAI: ChatGPT-4o provider

ChatGPT-4o

68

#68 319 modeloetatik sailkapen orokorrean

3 MIR azterketatan metatutako errendimendua

Puntuazio garbia

554.66 pts

Ziurtasuna

94.3%

Zuzenak / Okerrak

566 / 34

Kostu osoa

$6.57

Errendimendu Orokorra

(vs. batez bestekoa)
Ziurtasuna

94.3%

avg: 80.6%

Puntuazio garbia

554.66 pts

avg: 453.30 pts

Zuzenak

566

avg: 483

Okerrak

34

avg: 90

Kostu osoa

$6.57

avg: $9.58

Batez besteko erantzun-denbora

4.4s

avg: 17.9s

Irteerako tokenak

340K

avg: 1.3M

Arrazonamendu tokenak

0

avg: 898K

Batez besteko konfiantza

99.9%

avg: 95.4%

Azterketaren araberako banaketa

MIR 2024
62
Zuzenak
191
Okerrak
9
Ziurtasuna
95.5%
Puntuazio garbia
188.00
MIR 2025
98
Zuzenak
180
Okerrak
20
Ziurtasuna
90.0%
Puntuazio garbia
173.33
MIR 2026
38
Zuzenak
195
Okerrak
5
Ziurtasuna
97.5%
Puntuazio garbia
193.33