MedicalBenchmark
OpenAI: GPT-3.5 Turbo Instruct provider

GPT-3.5 Turbo Instruct

281

#281 319 modeloetatik sailkapen orokorrean

3 MIR azterketatan metatutako errendimendua

Puntuazio garbia

248.33 pts

Ziurtasuna

55.3%

Zuzenak / Okerrak

332 / 251

Kostu osoa

$0.91

Errendimendu Orokorra

(vs. batez bestekoa)
Ziurtasuna

55.3%

avg: 80.6%

Puntuazio garbia

248.33 pts

avg: 453.30 pts

Zuzenak

332

avg: 483

Okerrak

251

avg: 90

Kostu osoa

$0.91

avg: $9.58

Batez besteko erantzun-denbora

3.7s

avg: 17.9s

Irteerako tokenak

241K

avg: 1.3M

Arrazonamendu tokenak

0

avg: 898K

Batez besteko konfiantza

96.5%

avg: 95.4%

Azterketaren araberako banaketa

MIR 2024
286
Zuzenak
102
Okerrak
93
Ziurtasuna
51.0%
Puntuazio garbia
71.00
MIR 2025
278
Zuzenak
106
Okerrak
88
Ziurtasuna
53.0%
Puntuazio garbia
76.66
MIR 2026
281
Zuzenak
124
Okerrak
70
Ziurtasuna
62.0%
Puntuazio garbia
100.66