MedicalBenchmark
OpenAI: GPT-4.1 provider

GPT-4.1

67

#67 319 modeloetatik sailkapen orokorrean

3 MIR azterketatan metatutako errendimendua

Puntuazio garbia

555.00 pts

Ziurtasuna

94.3%

Zuzenak / Okerrak

566 / 33

Kostu osoa

$2.75

Errendimendu Orokorra

(vs. batez bestekoa)
Ziurtasuna

94.3%

avg: 80.6%

Puntuazio garbia

555.00 pts

avg: 453.30 pts

Zuzenak

566

avg: 483

Okerrak

33

avg: 90

Kostu osoa

$2.75

avg: $9.58

Batez besteko erantzun-denbora

8.8s

avg: 17.9s

Irteerako tokenak

270K

avg: 1.3M

Arrazonamendu tokenak

0

avg: 898K

Batez besteko konfiantza

99.8%

avg: 95.4%

Azterketaren araberako banaketa

MIR 2024
43
Zuzenak
192
Okerrak
8
Ziurtasuna
96.0%
Puntuazio garbia
189.33
MIR 2025
96
Zuzenak
180
Okerrak
19
Ziurtasuna
90.0%
Puntuazio garbia
173.66
MIR 2026
48
Zuzenak
194
Okerrak
6
Ziurtasuna
97.0%
Puntuazio garbia
192.00