MedicalBenchmark
OpenAI: GPT-5.1 Chat provider

GPT-5.1 Chat

7

#7 319 modeloetatik sailkapen orokorrean

3 MIR azterketatan metatutako errendimendua

Puntuazio garbia

580.00 pts

Ziurtasuna

97.5%

Zuzenak / Okerrak

585 / 15

Kostu osoa

$2.07

Errendimendu Orokorra

(vs. batez bestekoa)
Ziurtasuna

97.5%

avg: 80.6%

Puntuazio garbia

580.00 pts

avg: 453.30 pts

Zuzenak

585

avg: 483

Okerrak

15

avg: 90

Kostu osoa

$2.07

avg: $9.58

Batez besteko erantzun-denbora

3.8s

avg: 17.9s

Irteerako tokenak

171K

avg: 1.3M

Arrazonamendu tokenak

24K

avg: 898K

Batez besteko konfiantza

99.8%

avg: 95.4%

Azterketaren araberako banaketa

MIR 2024
18
Zuzenak
194
Okerrak
6
Ziurtasuna
97.0%
Puntuazio garbia
192.00
MIR 2025
14
Zuzenak
193
Okerrak
7
Ziurtasuna
96.5%
Puntuazio garbia
190.66
MIR 2026
7
Zuzenak
198
Okerrak
2
Ziurtasuna
99.0%
Puntuazio garbia
197.33