MedicalBenchmark
OpenAI: GPT-4 Turbo (older v1106) provider

GPT-4 Turbo (older v1106)

158

#158 319 modeloetatik sailkapen orokorrean

3 MIR azterketatan metatutako errendimendua

Puntuazio garbia

503.66 pts

Ziurtasuna

86.8%

Zuzenak / Okerrak

521 / 52

Kostu osoa

$0.00

Errendimendu Orokorra

(vs. batez bestekoa)
Ziurtasuna

86.8%

avg: 80.6%

Puntuazio garbia

503.66 pts

avg: 453.30 pts

Zuzenak

521

avg: 483

Okerrak

52

avg: 90

Kostu osoa

$0.00

avg: $9.58

Batez besteko erantzun-denbora

10.3s

avg: 17.9s

Irteerako tokenak

292K

avg: 1.3M

Arrazonamendu tokenak

0

avg: 898K

Batez besteko konfiantza

94.8%

avg: 95.4%

Azterketaren araberako banaketa

MIR 2024
150
Zuzenak
178
Okerrak
12
Ziurtasuna
89.0%
Puntuazio garbia
174.00
MIR 2025
155
Zuzenak
169
Okerrak
21
Ziurtasuna
84.5%
Puntuazio garbia
162.00
MIR 2026
172
Zuzenak
174
Okerrak
19
Ziurtasuna
87.0%
Puntuazio garbia
167.66