MedicalBenchmark
OpenAI: GPT-5 Chat provider

GPT-5 Chat

42

#42 319 modeloetatik sailkapen orokorrean

3 MIR azterketatan metatutako errendimendua

Puntuazio garbia

565.66 pts

Ziurtasuna

95.7%

Zuzenak / Okerrak

574 / 25

Kostu osoa

$3.28

Errendimendu Orokorra

(vs. batez bestekoa)
Ziurtasuna

95.7%

avg: 80.6%

Puntuazio garbia

565.66 pts

avg: 453.30 pts

Zuzenak

574

avg: 483

Okerrak

25

avg: 90

Kostu osoa

$3.28

avg: $9.58

Batez besteko erantzun-denbora

4.0s

avg: 17.9s

Irteerako tokenak

292K

avg: 1.3M

Arrazonamendu tokenak

0

avg: 898K

Batez besteko konfiantza

99.7%

avg: 95.4%

Azterketaren araberako banaketa

MIR 2024
9
Zuzenak
195
Okerrak
5
Ziurtasuna
97.5%
Puntuazio garbia
193.33
MIR 2025
70
Zuzenak
184
Okerrak
15
Ziurtasuna
92.0%
Puntuazio garbia
179.00
MIR 2026
35
Zuzenak
195
Okerrak
5
Ziurtasuna
97.5%
Puntuazio garbia
193.33