MedicalBenchmark
OpenAI: o3 Deep Research provider

o3 Deep Research

23

#23 319 modeloetatik sailkapen orokorrean

3 MIR azterketatan metatutako errendimendua

Puntuazio garbia

576.00 pts

Ziurtasuna

97.0%

Zuzenak / Okerrak

582 / 18

Kostu osoa

$502.80

Errendimendu Orokorra

(vs. batez bestekoa)
Ziurtasuna

97.0%

avg: 80.6%

Puntuazio garbia

576.00 pts

avg: 453.30 pts

Zuzenak

582

avg: 483

Okerrak

18

avg: 90

Kostu osoa

$502.80

avg: $9.58

Batez besteko erantzun-denbora

172.3s

avg: 17.9s

Irteerako tokenak

5.5M

avg: 1.3M

Arrazonamendu tokenak

5.0M

avg: 898K

Batez besteko konfiantza

100.0%

avg: 95.4%

Azterketaren araberako banaketa

MIR 2024
14
Zuzenak
195
Okerrak
5
Ziurtasuna
97.5%
Puntuazio garbia
193.33
MIR 2025
37
Zuzenak
189
Okerrak
11
Ziurtasuna
94.5%
Puntuazio garbia
185.33
MIR 2026
16
Zuzenak
198
Okerrak
2
Ziurtasuna
99.0%
Puntuazio garbia
197.33