MedicalBenchmark
OpenAI: GPT-4 provider

GPT-4

155

#155 319 modeloetatik sailkapen orokorrean

3 MIR azterketatan metatutako errendimendua

Puntuazio garbia

507.00 pts

Ziurtasuna

87.7%

Zuzenak / Okerrak

526 / 57

Kostu osoa

$25.07

Errendimendu Orokorra

(vs. batez bestekoa)
Ziurtasuna

87.7%

avg: 80.6%

Puntuazio garbia

507.00 pts

avg: 453.30 pts

Zuzenak

526

avg: 483

Okerrak

57

avg: 90

Kostu osoa

$25.07

avg: $9.58

Batez besteko erantzun-denbora

11.1s

avg: 17.9s

Irteerako tokenak

272K

avg: 1.3M

Arrazonamendu tokenak

0

avg: 898K

Batez besteko konfiantza

96.4%

avg: 95.4%

Azterketaren araberako banaketa

MIR 2024
157
Zuzenak
178
Okerrak
15
Ziurtasuna
89.0%
Puntuazio garbia
173.00
MIR 2025
127
Zuzenak
175
Okerrak
21
Ziurtasuna
87.5%
Puntuazio garbia
168.00
MIR 2026
179
Zuzenak
173
Okerrak
21
Ziurtasuna
86.5%
Puntuazio garbia
166.00