MedicalBenchmark
OpenAI: GPT-4o Search Preview provider

GPT-4o Search Preview

124

#124 319 modeloetatik sailkapen orokorrean

3 MIR azterketatan metatutako errendimendua

Puntuazio garbia

527.00 pts

Ziurtasuna

90.3%

Zuzenak / Okerrak

542 / 45

Kostu osoa

$0.16

Errendimendu Orokorra

(vs. batez bestekoa)
Ziurtasuna

90.3%

avg: 80.6%

Puntuazio garbia

527.00 pts

avg: 453.30 pts

Zuzenak

542

avg: 483

Okerrak

45

avg: 90

Kostu osoa

$0.16

avg: $9.58

Batez besteko erantzun-denbora

10.5s

avg: 17.9s

Irteerako tokenak

281K

avg: 1.3M

Arrazonamendu tokenak

0

avg: 898K

Batez besteko konfiantza

97.7%

avg: 95.4%

Azterketaren araberako banaketa

MIR 2024
69
Zuzenak
190
Okerrak
9
Ziurtasuna
95.0%
Puntuazio garbia
187.00
MIR 2025
162
Zuzenak
169
Okerrak
23
Ziurtasuna
84.5%
Puntuazio garbia
161.33
MIR 2026
125
Zuzenak
183
Okerrak
13
Ziurtasuna
91.5%
Puntuazio garbia
178.66