MedicalBenchmark
OpenAI: GPT-5.3-Codex provider

GPT-5.3-Codex

24

#24 319 modeloetatik sailkapen orokorrean

3 MIR azterketatan metatutako errendimendua

Puntuazio garbia

575.00 pts

Ziurtasuna

96.5%

Zuzenak / Okerrak

579 / 12

Kostu osoa

$0.00

Errendimendu Orokorra

(vs. batez bestekoa)
Ziurtasuna

96.5%

avg: 80.6%

Puntuazio garbia

575.00 pts

avg: 453.30 pts

Zuzenak

579

avg: 483

Okerrak

12

avg: 90

Kostu osoa

$0.00

avg: $9.58

Batez besteko erantzun-denbora

9.9s

avg: 17.9s

Irteerako tokenak

312K

avg: 1.3M

Arrazonamendu tokenak

126K

avg: 898K

Batez besteko konfiantza

99.8%

avg: 95.4%

Azterketaren araberako banaketa

MIR 2024
40
Zuzenak
191
Okerrak
5
Ziurtasuna
95.5%
Puntuazio garbia
189.33
MIR 2025
11
Zuzenak
193
Okerrak
5
Ziurtasuna
96.5%
Puntuazio garbia
191.33
MIR 2026
33
Zuzenak
195
Okerrak
2
Ziurtasuna
97.5%
Puntuazio garbia
194.33