MedicalBenchmark
OpenAI: GPT-3.5 Turbo provider

GPT-3.5 Turbo

270

#270 319 modeloetatik sailkapen orokorrean

3 MIR azterketatan metatutako errendimendua

Puntuazio garbia

299.00 pts

Ziurtasuna

62.2%

Zuzenak / Okerrak

373 / 222

Kostu osoa

$0.42

Errendimendu Orokorra

(vs. batez bestekoa)
Ziurtasuna

62.2%

avg: 80.6%

Puntuazio garbia

299.00 pts

avg: 453.30 pts

Zuzenak

373

avg: 483

Okerrak

222

avg: 90

Kostu osoa

$0.42

avg: $9.58

Batez besteko erantzun-denbora

2.7s

avg: 17.9s

Irteerako tokenak

185K

avg: 1.3M

Arrazonamendu tokenak

0

avg: 898K

Batez besteko konfiantza

98.6%

avg: 95.4%

Azterketaren araberako banaketa

MIR 2024
268
Zuzenak
129
Okerrak
70
Ziurtasuna
64.5%
Puntuazio garbia
105.66
MIR 2025
274
Zuzenak
112
Okerrak
87
Ziurtasuna
56.0%
Puntuazio garbia
83.00
MIR 2026
272
Zuzenak
132
Okerrak
65
Ziurtasuna
66.0%
Puntuazio garbia
110.33