MedicalBenchmark
OpenAI: o4 Mini Deep Research provider

o4 Mini Deep Research

38

#38 319 modeloetatik sailkapen orokorrean

3 MIR azterketatan metatutako errendimendua

Puntuazio garbia

568.00 pts

Ziurtasuna

96.0%

Zuzenak / Okerrak

576 / 24

Kostu osoa

$107.19

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

$107.19

avg: $9.58

Batez besteko erantzun-denbora

94.6s

avg: 17.9s

Irteerako tokenak

4.9M

avg: 1.3M

Arrazonamendu tokenak

4.6M

avg: 898K

Batez besteko konfiantza

100.0%

avg: 95.4%

Azterketaren araberako banaketa

MIR 2024
78
Zuzenak
190
Okerrak
10
Ziurtasuna
95.0%
Puntuazio garbia
186.66
MIR 2025
33
Zuzenak
190
Okerrak
10
Ziurtasuna
95.0%
Puntuazio garbia
186.66
MIR 2026
32
Zuzenak
196
Okerrak
4
Ziurtasuna
98.0%
Puntuazio garbia
194.66