MedicalBenchmark
OpenAI: GPT-5.4 provider

GPT-5.4

27

#27 319 modeloetatik sailkapen orokorrean

3 MIR azterketatan metatutako errendimendua

Puntuazio garbia

574.00 pts

Ziurtasuna

96.5%

Zuzenak / Okerrak

579 / 15

Kostu osoa

$0.00

Errendimendu Orokorra

(vs. batez bestekoa)
Ziurtasuna

96.5%

avg: 80.6%

Puntuazio garbia

574.00 pts

avg: 453.30 pts

Zuzenak

579

avg: 483

Okerrak

15

avg: 90

Kostu osoa

$0.00

avg: $9.58

Batez besteko erantzun-denbora

8.2s

avg: 17.9s

Irteerako tokenak

306K

avg: 1.3M

Arrazonamendu tokenak

0

avg: 898K

Batez besteko konfiantza

99.9%

avg: 95.4%

Azterketaren araberako banaketa

MIR 2024
53
Zuzenak
191
Okerrak
7
Ziurtasuna
95.5%
Puntuazio garbia
188.66
MIR 2025
19
Zuzenak
192
Okerrak
5
Ziurtasuna
96.0%
Puntuazio garbia
190.33
MIR 2026
28
Zuzenak
196
Okerrak
3
Ziurtasuna
98.0%
Puntuazio garbia
195.00