MedicalBenchmark
OpenAI: GPT-5.1-Codex-Mini provider

GPT-5.1-Codex-Mini

40

#40 319 modeloetatik sailkapen orokorrean

3 MIR azterketatan metatutako errendimendua

Puntuazio garbia

566.66 pts

Ziurtasuna

95.8%

Zuzenak / Okerrak

575 / 25

Kostu osoa

$0.61

Errendimendu Orokorra

(vs. batez bestekoa)
Ziurtasuna

95.8%

avg: 80.6%

Puntuazio garbia

566.66 pts

avg: 453.30 pts

Zuzenak

575

avg: 483

Okerrak

25

avg: 90

Kostu osoa

$0.61

avg: $9.58

Batez besteko erantzun-denbora

3.7s

avg: 17.9s

Irteerako tokenak

269K

avg: 1.3M

Arrazonamendu tokenak

139K

avg: 898K

Batez besteko konfiantza

100.0%

avg: 95.4%

Azterketaren araberako banaketa

MIR 2024
17
Zuzenak
194
Okerrak
6
Ziurtasuna
97.0%
Puntuazio garbia
192.00
MIR 2025
40
Zuzenak
188
Okerrak
12
Ziurtasuna
94.0%
Puntuazio garbia
184.00
MIR 2026
54
Zuzenak
193
Okerrak
7
Ziurtasuna
96.5%
Puntuazio garbia
190.66