MedicalBenchmark
OpenAI: GPT-4o (2024-08-06) provider

GPT-4o (2024-08-06)

125

#125 319 modeloetatik sailkapen orokorrean

3 MIR azterketatan metatutako errendimendua

Puntuazio garbia

526.66 pts

Ziurtasuna

89.7%

Zuzenak / Okerrak

538 / 34

Kostu osoa

$3.09

Errendimendu Orokorra

(vs. batez bestekoa)
Ziurtasuna

89.7%

avg: 80.6%

Puntuazio garbia

526.66 pts

avg: 453.30 pts

Zuzenak

538

avg: 483

Okerrak

34

avg: 90

Kostu osoa

$3.09

avg: $9.58

Batez besteko erantzun-denbora

7.8s

avg: 17.9s

Irteerako tokenak

236K

avg: 1.3M

Arrazonamendu tokenak

0

avg: 898K

Batez besteko konfiantza

98.4%

avg: 95.4%

Azterketaren araberako banaketa

MIR 2024
94
Zuzenak
187
Okerrak
6
Ziurtasuna
93.5%
Puntuazio garbia
185.00
MIR 2025
144
Zuzenak
172
Okerrak
21
Ziurtasuna
86.0%
Puntuazio garbia
165.00
MIR 2026
136
Zuzenak
179
Okerrak
7
Ziurtasuna
89.5%
Puntuazio garbia
176.66