MedicalBenchmark
OpenAI: o1 provider

o1

34

#34 319 modeloetatik sailkapen orokorrean

3 MIR azterketatan metatutako errendimendua

Puntuazio garbia

569.33 pts

Ziurtasuna

96.2%

Zuzenak / Okerrak

577 / 23

Kostu osoa

$72.39

Errendimendu Orokorra

(vs. batez bestekoa)
Ziurtasuna

96.2%

avg: 80.6%

Puntuazio garbia

569.33 pts

avg: 453.30 pts

Zuzenak

577

avg: 483

Okerrak

23

avg: 90

Kostu osoa

$72.39

avg: $9.58

Batez besteko erantzun-denbora

10.4s

avg: 17.9s

Irteerako tokenak

657K

avg: 1.3M

Arrazonamendu tokenak

483K

avg: 898K

Batez besteko konfiantza

99.9%

avg: 95.4%

Azterketaren araberako banaketa

MIR 2024
33
Zuzenak
193
Okerrak
7
Ziurtasuna
96.5%
Puntuazio garbia
190.66
MIR 2025
63
Zuzenak
186
Okerrak
14
Ziurtasuna
93.0%
Puntuazio garbia
181.33
MIR 2026
14
Zuzenak
198
Okerrak
2
Ziurtasuna
99.0%
Puntuazio garbia
197.33