MedicalBenchmark
OpenAI: gpt-oss-120b provider

gpt-oss-120b

90

#90 319 modeloetatik sailkapen orokorrean

3 MIR azterketatan metatutako errendimendua

Puntuazio garbia

544.33 pts

Ziurtasuna

93.0%

Zuzenak / Okerrak

558 / 41

Kostu osoa

$0.26

Errendimendu Orokorra

(vs. batez bestekoa)
Ziurtasuna

93.0%

avg: 80.6%

Puntuazio garbia

544.33 pts

avg: 453.30 pts

Zuzenak

558

avg: 483

Okerrak

41

avg: 90

Kostu osoa

$0.26

avg: $9.58

Batez besteko erantzun-denbora

10.7s

avg: 17.9s

Irteerako tokenak

470K

avg: 1.3M

Arrazonamendu tokenak

223K

avg: 898K

Batez besteko konfiantza

99.8%

avg: 95.4%

Azterketaren araberako banaketa

MIR 2024
118
Zuzenak
185
Okerrak
15
Ziurtasuna
92.5%
Puntuazio garbia
180.00
MIR 2025
57
Zuzenak
186
Okerrak
14
Ziurtasuna
93.0%
Puntuazio garbia
181.33
MIR 2026
104
Zuzenak
187
Okerrak
12
Ziurtasuna
93.5%
Puntuazio garbia
183.00