MedicalBenchmark
OpenAI: o3 provider

o3

15

#15 319 modeloetatik sailkapen orokorrean

3 MIR azterketatan metatutako errendimendua

Puntuazio garbia

577.66 pts

Ziurtasuna

97.2%

Zuzenak / Okerrak

583 / 16

Kostu osoa

$6.40

Errendimendu Orokorra

(vs. batez bestekoa)
Ziurtasuna

97.2%

avg: 80.6%

Puntuazio garbia

577.66 pts

avg: 453.30 pts

Zuzenak

583

avg: 483

Okerrak

16

avg: 90

Kostu osoa

$6.40

avg: $9.58

Batez besteko erantzun-denbora

8.5s

avg: 17.9s

Irteerako tokenak

481K

avg: 1.3M

Arrazonamendu tokenak

248K

avg: 898K

Batez besteko konfiantza

99.7%

avg: 95.4%

Azterketaren araberako banaketa

MIR 2024
27
Zuzenak
193
Okerrak
6
Ziurtasuna
96.5%
Puntuazio garbia
191.00
MIR 2025
26
Zuzenak
191
Okerrak
9
Ziurtasuna
95.5%
Puntuazio garbia
188.00
MIR 2026
5
Zuzenak
199
Okerrak
1
Ziurtasuna
99.5%
Puntuazio garbia
198.66