MedicalBenchmark
OpenAI: GPT-3.5 Turbo 16k provider

GPT-3.5 Turbo 16k

268

#268 319 modeloetatik sailkapen orokorrean

3 MIR azterketatan metatutako errendimendua

Puntuazio garbia

303.66 pts

Ziurtasuna

62.5%

Zuzenak / Okerrak

375 / 214

Kostu osoa

$0.00

Errendimendu Orokorra

(vs. batez bestekoa)
Ziurtasuna

62.5%

avg: 80.6%

Puntuazio garbia

303.66 pts

avg: 453.30 pts

Zuzenak

375

avg: 483

Okerrak

214

avg: 90

Kostu osoa

$0.00

avg: $9.58

Batez besteko erantzun-denbora

2.6s

avg: 17.9s

Irteerako tokenak

182K

avg: 1.3M

Arrazonamendu tokenak

0

avg: 898K

Batez besteko konfiantza

97.6%

avg: 95.4%

Azterketaren araberako banaketa

MIR 2024
280
Zuzenak
116
Okerrak
83
Ziurtasuna
58.0%
Puntuazio garbia
88.33
MIR 2025
267
Zuzenak
121
Okerrak
75
Ziurtasuna
60.5%
Puntuazio garbia
96.00
MIR 2026
262
Zuzenak
138
Okerrak
56
Ziurtasuna
69.0%
Puntuazio garbia
119.33