MedicalBenchmark
OpenAI: o1-pro provider

o1-pro

39

#39 319 modeloetatik sailkapen orokorrean

3 MIR azterketatan metatutako errendimendua

Puntuazio garbia

568.00 pts

Ziurtasuna

96.0%

Zuzenak / Okerrak

576 / 24

Kostu osoa

$741.35

Errendimendu Orokorra

(vs. batez bestekoa)
Ziurtasuna

96.0%

avg: 80.6%

Puntuazio garbia

568.00 pts

avg: 453.30 pts

Zuzenak

576

avg: 483

Okerrak

24

avg: 90

Kostu osoa

$741.35

avg: $9.58

Batez besteko erantzun-denbora

31.8s

avg: 17.9s

Irteerako tokenak

675K

avg: 1.3M

Arrazonamendu tokenak

494K

avg: 898K

Batez besteko konfiantza

100.0%

avg: 95.4%

Azterketaren araberako banaketa

MIR 2024
67
Zuzenak
191
Okerrak
9
Ziurtasuna
95.5%
Puntuazio garbia
188.00
MIR 2025
45
Zuzenak
188
Okerrak
12
Ziurtasuna
94.0%
Puntuazio garbia
184.00
MIR 2026
27
Zuzenak
197
Okerrak
3
Ziurtasuna
98.5%
Puntuazio garbia
196.00