MedicalBenchmark
OpenAI: gpt-oss-20b provider

gpt-oss-20b

178

#178 319 modeloetatik sailkapen orokorrean

3 MIR azterketatan metatutako errendimendua

Puntuazio garbia

494.33 pts

Ziurtasuna

86.7%

Zuzenak / Okerrak

520 / 77

Kostu osoa

$0.14

Errendimendu Orokorra

(vs. batez bestekoa)
Ziurtasuna

86.7%

avg: 80.6%

Puntuazio garbia

494.33 pts

avg: 453.30 pts

Zuzenak

520

avg: 483

Okerrak

77

avg: 90

Kostu osoa

$0.14

avg: $9.58

Batez besteko erantzun-denbora

6.0s

avg: 17.9s

Irteerako tokenak

590K

avg: 1.3M

Arrazonamendu tokenak

348K

avg: 898K

Batez besteko konfiantza

99.4%

avg: 95.4%

Azterketaren araberako banaketa

MIR 2024
145
Zuzenak
182
Okerrak
18
Ziurtasuna
91.0%
Puntuazio garbia
176.00
MIR 2025
158
Zuzenak
171
Okerrak
28
Ziurtasuna
85.5%
Puntuazio garbia
161.66
MIR 2026
212
Zuzenak
167
Okerrak
31
Ziurtasuna
83.5%
Puntuazio garbia
156.66