MedicalBenchmark
OpenAI: GPT-5.2-Codex provider

GPT-5.2-Codex

10

#10 319 modeloetatik sailkapen orokorrean

3 MIR azterketatan metatutako errendimendua

Puntuazio garbia

579.00 pts

Ziurtasuna

97.3%

Zuzenak / Okerrak

584 / 15

Kostu osoa

$5.55

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

$5.55

avg: $9.58

Batez besteko erantzun-denbora

11.4s

avg: 17.9s

Irteerako tokenak

362K

avg: 1.3M

Arrazonamendu tokenak

241K

avg: 898K

Batez besteko konfiantza

99.7%

avg: 95.4%

Azterketaren araberako banaketa

MIR 2024
21
Zuzenak
194
Okerrak
6
Ziurtasuna
97.0%
Puntuazio garbia
192.00
MIR 2025
4
Zuzenak
195
Okerrak
4
Ziurtasuna
97.5%
Puntuazio garbia
193.66
MIR 2026
36
Zuzenak
195
Okerrak
5
Ziurtasuna
97.5%
Puntuazio garbia
193.33