MedicalBenchmark
OpenAI: GPT-3.5 Turbo (older v0613) provider

GPT-3.5 Turbo (older v0613)

114

#114 319 modeloetatik sailkapen orokorrean

3 MIR azterketatan metatutako errendimendua

Puntuazio garbia

533.66 pts

Ziurtasuna

91.5%

Zuzenak / Okerrak

549 / 46

Kostu osoa

$0.88

Errendimendu Orokorra

(vs. batez bestekoa)
Ziurtasuna

91.5%

avg: 80.6%

Puntuazio garbia

533.66 pts

avg: 453.30 pts

Zuzenak

549

avg: 483

Okerrak

46

avg: 90

Kostu osoa

$0.88

avg: $9.58

Batez besteko erantzun-denbora

7.5s

avg: 17.9s

Irteerako tokenak

310K

avg: 1.3M

Arrazonamendu tokenak

0

avg: 898K

Batez besteko konfiantza

99.0%

avg: 95.4%

Azterketaren araberako banaketa

MIR 2024
84
Zuzenak
189
Okerrak
10
Ziurtasuna
94.5%
Puntuazio garbia
185.66
MIR 2025
142
Zuzenak
173
Okerrak
24
Ziurtasuna
86.5%
Puntuazio garbia
165.00
MIR 2026
105
Zuzenak
187
Okerrak
12
Ziurtasuna
93.5%
Puntuazio garbia
183.00