MedicalBenchmark
OpenAI: GPT-5.1-Codex-Max provider

GPT-5.1-Codex-Max

18

#18 319 modeloetatik sailkapen orokorrean

3 MIR azterketatan metatutako errendimendua

Puntuazio garbia

577.33 pts

Ziurtasuna

97.2%

Zuzenak / Okerrak

583 / 17

Kostu osoa

$7.58

Errendimendu Orokorra

(vs. batez bestekoa)
Ziurtasuna

97.2%

avg: 80.6%

Puntuazio garbia

577.33 pts

avg: 453.30 pts

Zuzenak

583

avg: 483

Okerrak

17

avg: 90

Kostu osoa

$7.58

avg: $9.58

Batez besteko erantzun-denbora

10.0s

avg: 17.9s

Irteerako tokenak

722K

avg: 1.3M

Arrazonamendu tokenak

605K

avg: 898K

Batez besteko konfiantza

99.9%

avg: 95.4%

Azterketaren araberako banaketa

MIR 2024
48
Zuzenak
192
Okerrak
8
Ziurtasuna
96.0%
Puntuazio garbia
189.33
MIR 2025
16
Zuzenak
193
Okerrak
7
Ziurtasuna
96.5%
Puntuazio garbia
190.66
MIR 2026
9
Zuzenak
198
Okerrak
2
Ziurtasuna
99.0%
Puntuazio garbia
197.33