MedicalBenchmark
OpenAI: GPT-4 Turbo provider

GPT-4 Turbo

147

#147 319 modeloetatik sailkapen orokorrean

3 MIR azterketatan metatutako errendimendua

Puntuazio garbia

511.00 pts

Ziurtasuna

88.7%

Zuzenak / Okerrak

532 / 63

Kostu osoa

$12.45

Errendimendu Orokorra

(vs. batez bestekoa)
Ziurtasuna

88.7%

avg: 80.6%

Puntuazio garbia

511.00 pts

avg: 453.30 pts

Zuzenak

532

avg: 483

Okerrak

63

avg: 90

Kostu osoa

$12.45

avg: $9.58

Batez besteko erantzun-denbora

11.3s

avg: 17.9s

Irteerako tokenak

308K

avg: 1.3M

Arrazonamendu tokenak

0

avg: 898K

Batez besteko konfiantza

98.4%

avg: 95.4%

Azterketaren araberako banaketa

MIR 2024
122
Zuzenak
185
Okerrak
15
Ziurtasuna
92.5%
Puntuazio garbia
180.00
MIR 2025
165
Zuzenak
169
Okerrak
29
Ziurtasuna
84.5%
Puntuazio garbia
159.33
MIR 2026
156
Zuzenak
178
Okerrak
19
Ziurtasuna
89.0%
Puntuazio garbia
171.66