gpt-oss-safeguard-20b
159
#159 319 modeloetatik sailkapen orokorrean
3 MIR azterketatan metatutako errendimendua
Puntuazio garbia
502.33 pts
Ziurtasuna
87.7%
Zuzenak / Okerrak
526 / 71
Kostu osoa
$0.20
Errendimendu Orokorra
(vs. batez bestekoa)Ziurtasuna
87.7%
avg: 80.6%
Puntuazio garbia
502.33 pts
avg: 453.30 pts
Zuzenak
526
avg: 483
Okerrak
71
avg: 90
Kostu osoa
$0.20
avg: $9.58
Batez besteko erantzun-denbora
2.0s
avg: 17.9s
Irteerako tokenak
608K
avg: 1.3M
Arrazonamendu tokenak
356K
avg: 898K
Batez besteko konfiantza
99.3%
avg: 95.4%
Azterketaren araberako banaketa
| Azterketa | Posizioa | Zuzenak | Okerrak | Ziurtasuna | Puntuazio garbia | Kostu osoa | |
|---|---|---|---|---|---|---|---|
| MIR 2024 | 171 | 177 | 22 | 88.5% | 169.66 | $0.07 | Ikusi xehetasuna |
| MIR 2025 | 152 | 172 | 28 | 86.0% | 162.66 | $0.07 | Ikusi xehetasuna |
| MIR 2026 | 162 | 177 | 21 | 88.5% | 170.00 | $0.06 | Ikusi xehetasuna |