MedicalBenchmark
OpenAI: GPT-4.1 Mini provider

GPT-4.1 Mini

103

#103 319 modeloetatik sailkapen orokorrean

3 MIR azterketatan metatutako errendimendua

Puntuazio garbia

539.33 pts

Ziurtasuna

92.3%

Zuzenak / Okerrak

554 / 44

Kostu osoa

$0.58

Errendimendu Orokorra

(vs. batez bestekoa)
Ziurtasuna

92.3%

avg: 80.6%

Puntuazio garbia

539.33 pts

avg: 453.30 pts

Zuzenak

554

avg: 483

Okerrak

44

avg: 90

Kostu osoa

$0.58

avg: $9.58

Batez besteko erantzun-denbora

6.5s

avg: 17.9s

Irteerako tokenak

288K

avg: 1.3M

Arrazonamendu tokenak

0

avg: 898K

Batez besteko konfiantza

99.7%

avg: 95.4%

Azterketaren araberako banaketa

MIR 2024
97
Zuzenak
188
Okerrak
11
Ziurtasuna
94.0%
Puntuazio garbia
184.33
MIR 2025
105
Zuzenak
179
Okerrak
20
Ziurtasuna
89.5%
Puntuazio garbia
172.33
MIR 2026
107
Zuzenak
187
Okerrak
13
Ziurtasuna
93.5%
Puntuazio garbia
182.66