MedicalBenchmark
OpenAI: GPT-4 (older v0314) provider

GPT-4 (older v0314)

191

#191 319 modeloetatik sailkapen orokorrean

3 MIR azterketatan metatutako errendimendua

Puntuazio garbia

484.00 pts

Ziurtasuna

84.8%

Zuzenak / Okerrak

509 / 75

Kostu osoa

$23.20

Errendimendu Orokorra

(vs. batez bestekoa)
Ziurtasuna

84.8%

avg: 80.6%

Puntuazio garbia

484.00 pts

avg: 453.30 pts

Zuzenak

509

avg: 483

Okerrak

75

avg: 90

Kostu osoa

$23.20

avg: $9.58

Batez besteko erantzun-denbora

12.6s

avg: 17.9s

Irteerako tokenak

241K

avg: 1.3M

Arrazonamendu tokenak

0

avg: 898K

Batez besteko konfiantza

96.7%

avg: 95.4%

Azterketaren araberako banaketa

MIR 2024
173
Zuzenak
175
Okerrak
18
Ziurtasuna
87.5%
Puntuazio garbia
169.00
MIR 2025
201
Zuzenak
162
Okerrak
34
Ziurtasuna
81.0%
Puntuazio garbia
150.66
MIR 2026
189
Zuzenak
172
Okerrak
23
Ziurtasuna
86.0%
Puntuazio garbia
164.33