MedicalBenchmark
OpenAI: GPT-4o provider

GPT-4o

126

#126 319 modeloetatik sailkapen orokorrean

3 MIR azterketatan metatutako errendimendua

Puntuazio garbia

526.33 pts

Ziurtasuna

89.7%

Zuzenak / Okerrak

538 / 35

Kostu osoa

$3.05

Errendimendu Orokorra

(vs. batez bestekoa)
Ziurtasuna

89.7%

avg: 80.6%

Puntuazio garbia

526.33 pts

avg: 453.30 pts

Zuzenak

538

avg: 483

Okerrak

35

avg: 90

Kostu osoa

$3.05

avg: $9.58

Batez besteko erantzun-denbora

7.5s

avg: 17.9s

Irteerako tokenak

231K

avg: 1.3M

Arrazonamendu tokenak

0

avg: 898K

Batez besteko konfiantza

97.8%

avg: 95.4%

Azterketaren araberako banaketa

MIR 2024
113
Zuzenak
184
Okerrak
7
Ziurtasuna
92.0%
Puntuazio garbia
181.66
MIR 2025
150
Zuzenak
171
Okerrak
21
Ziurtasuna
85.5%
Puntuazio garbia
164.00
MIR 2026
114
Zuzenak
183
Okerrak
7
Ziurtasuna
91.5%
Puntuazio garbia
180.66