MedicalBenchmark
OpenAI: GPT-4 Turbo Preview provider

GPT-4 Turbo Preview

148

#148 319 modeloetatik sailkapen orokorrean

3 MIR azterketatan metatutako errendimendua

Puntuazio garbia

511.00 pts

Ziurtasuna

88.5%

Zuzenak / Okerrak

531 / 60

Kostu osoa

$13.10

Errendimendu Orokorra

(vs. batez bestekoa)
Ziurtasuna

88.5%

avg: 80.6%

Puntuazio garbia

511.00 pts

avg: 453.30 pts

Zuzenak

531

avg: 483

Okerrak

60

avg: 90

Kostu osoa

$13.10

avg: $9.58

Batez besteko erantzun-denbora

13.0s

avg: 17.9s

Irteerako tokenak

339K

avg: 1.3M

Arrazonamendu tokenak

0

avg: 898K

Batez besteko konfiantza

97.1%

avg: 95.4%

Azterketaren araberako banaketa

MIR 2024
147
Zuzenak
181
Okerrak
17
Ziurtasuna
90.5%
Puntuazio garbia
175.33
MIR 2025
147
Zuzenak
173
Okerrak
25
Ziurtasuna
86.5%
Puntuazio garbia
164.66
MIR 2026
159
Zuzenak
177
Okerrak
18
Ziurtasuna
88.5%
Puntuazio garbia
171.00