MedicalBenchmark
OpenAI: GPT-4o-mini provider

GPT-4o-mini

221

#221 319 modeloetatik sailkapen orokorrean

3 MIR azterketatan metatutako errendimendua

Puntuazio garbia

450.33 pts

Ziurtasuna

81.0%

Zuzenak / Okerrak

486 / 107

Kostu osoa

$0.32

Errendimendu Orokorra

(vs. batez bestekoa)
Ziurtasuna

81.0%

avg: 80.6%

Puntuazio garbia

450.33 pts

avg: 453.30 pts

Zuzenak

486

avg: 483

Okerrak

107

avg: 90

Kostu osoa

$0.32

avg: $9.58

Batez besteko erantzun-denbora

6.6s

avg: 17.9s

Irteerako tokenak

221K

avg: 1.3M

Arrazonamendu tokenak

0

avg: 898K

Batez besteko konfiantza

98.6%

avg: 95.4%

Azterketaren araberako banaketa

MIR 2024
211
Zuzenak
167
Okerrak
29
Ziurtasuna
83.5%
Puntuazio garbia
157.33
MIR 2025
218
Zuzenak
157
Okerrak
43
Ziurtasuna
78.5%
Puntuazio garbia
142.66
MIR 2026
235
Zuzenak
162
Okerrak
35
Ziurtasuna
81.0%
Puntuazio garbia
150.33