MedicalBenchmark
OpenAI: GPT-5.2 Chat provider

GPT-5.2 Chat

25

#25 319 modeloetatik sailkapen orokorrean

3 MIR azterketatan metatutako errendimendua

Puntuazio garbia

575.00 pts

Ziurtasuna

96.8%

Zuzenak / Okerrak

581 / 18

Kostu osoa

$4.97

Errendimendu Orokorra

(vs. batez bestekoa)
Ziurtasuna

96.8%

avg: 80.6%

Puntuazio garbia

575.00 pts

avg: 453.30 pts

Zuzenak

581

avg: 483

Okerrak

18

avg: 90

Kostu osoa

$4.97

avg: $9.58

Batez besteko erantzun-denbora

8.6s

avg: 17.9s

Irteerako tokenak

320K

avg: 1.3M

Arrazonamendu tokenak

63K

avg: 898K

Batez besteko konfiantza

99.7%

avg: 95.4%

Azterketaren araberako banaketa

MIR 2024
29
Zuzenak
193
Okerrak
7
Ziurtasuna
96.5%
Puntuazio garbia
190.66
MIR 2025
6
Zuzenak
194
Okerrak
5
Ziurtasuna
97.0%
Puntuazio garbia
192.33
MIR 2026
49
Zuzenak
194
Okerrak
6
Ziurtasuna
97.0%
Puntuazio garbia
192.00