MedicalBenchmark
OpenAI: gpt-oss-120b (exacto) provider

gpt-oss-120b (exacto)

112

#112 319 modeloetatik sailkapen orokorrean

3 MIR azterketatan metatutako errendimendua

Puntuazio garbia

534.33 pts

Ziurtasuna

91.7%

Zuzenak / Okerrak

550 / 47

Kostu osoa

$0.11

Errendimendu Orokorra

(vs. batez bestekoa)
Ziurtasuna

91.7%

avg: 80.6%

Puntuazio garbia

534.33 pts

avg: 453.30 pts

Zuzenak

550

avg: 483

Okerrak

47

avg: 90

Kostu osoa

$0.11

avg: $9.58

Batez besteko erantzun-denbora

10.9s

avg: 17.9s

Irteerako tokenak

473K

avg: 1.3M

Arrazonamendu tokenak

232K

avg: 898K

Batez besteko konfiantza

99.6%

avg: 95.4%

Azterketaren araberako banaketa

MIR 2024
128
Zuzenak
184
Okerrak
15
Ziurtasuna
92.0%
Puntuazio garbia
179.00
MIR 2025
108
Zuzenak
178
Okerrak
20
Ziurtasuna
89.0%
Puntuazio garbia
171.33
MIR 2026
100
Zuzenak
188
Okerrak
12
Ziurtasuna
94.0%
Puntuazio garbia
184.00