MedicalBenchmark
OpenAI: o4 Mini provider

o4 Mini

30

#30 319 modeloetatik sailkapen orokorrean

3 MIR azterketatan metatutako errendimendua

Puntuazio garbia

570.66 pts

Ziurtasuna

96.3%

Zuzenak / Okerrak

578 / 22

Kostu osoa

$4.11

Errendimendu Orokorra

(vs. batez bestekoa)
Ziurtasuna

96.3%

avg: 80.6%

Puntuazio garbia

570.66 pts

avg: 453.30 pts

Zuzenak

578

avg: 483

Okerrak

22

avg: 90

Kostu osoa

$4.11

avg: $9.58

Batez besteko erantzun-denbora

7.8s

avg: 17.9s

Irteerako tokenak

527K

avg: 1.3M

Arrazonamendu tokenak

334K

avg: 898K

Batez besteko konfiantza

100.0%

avg: 95.4%

Azterketaren araberako banaketa

MIR 2024
20
Zuzenak
194
Okerrak
6
Ziurtasuna
97.0%
Puntuazio garbia
192.00
MIR 2025
43
Zuzenak
188
Okerrak
12
Ziurtasuna
94.0%
Puntuazio garbia
184.00
MIR 2026
31
Zuzenak
196
Okerrak
4
Ziurtasuna
98.0%
Puntuazio garbia
194.66