MedicalBenchmark
OpenAI: GPT-5.1 provider

GPT-5.1

11

#11 319 modeloetatik sailkapen orokorrean

3 MIR azterketatan metatutako errendimendua

Puntuazio garbia

579.00 pts

Ziurtasuna

97.3%

Zuzenak / Okerrak

584 / 15

Kostu osoa

$6.21

Errendimendu Orokorra

(vs. batez bestekoa)
Ziurtasuna

97.3%

avg: 80.6%

Puntuazio garbia

579.00 pts

avg: 453.30 pts

Zuzenak

584

avg: 483

Okerrak

15

avg: 90

Kostu osoa

$6.21

avg: $9.58

Batez besteko erantzun-denbora

16.3s

avg: 17.9s

Irteerako tokenak

585K

avg: 1.3M

Arrazonamendu tokenak

238K

avg: 898K

Batez besteko konfiantza

99.9%

avg: 95.4%

Azterketaren araberako banaketa

MIR 2024
10
Zuzenak
195
Okerrak
5
Ziurtasuna
97.5%
Puntuazio garbia
193.33
MIR 2025
15
Zuzenak
193
Okerrak
7
Ziurtasuna
96.5%
Puntuazio garbia
190.66
MIR 2026
29
Zuzenak
196
Okerrak
3
Ziurtasuna
98.0%
Puntuazio garbia
195.00