MedicalBenchmark
Qwen2.5 72B Instruct provider

Qwen2.5 72B Instruct

184

#184 319 modeloetatik sailkapen orokorrean

3 MIR azterketatan metatutako errendimendua

Puntuazio garbia

487.33 pts

Ziurtasuna

85.7%

Zuzenak / Okerrak

514 / 80

Kostu osoa

$0.18

Errendimendu Orokorra

(vs. batez bestekoa)
Ziurtasuna

85.7%

avg: 80.6%

Puntuazio garbia

487.33 pts

avg: 453.30 pts

Zuzenak

514

avg: 483

Okerrak

80

avg: 90

Kostu osoa

$0.18

avg: $9.58

Batez besteko erantzun-denbora

12.6s

avg: 17.9s

Irteerako tokenak

345K

avg: 1.3M

Arrazonamendu tokenak

0

avg: 898K

Batez besteko konfiantza

98.0%

avg: 95.4%

Azterketaren araberako banaketa

MIR 2024
180
Zuzenak
176
Okerrak
24
Ziurtasuna
88.0%
Puntuazio garbia
168.00
MIR 2025
180
Zuzenak
167
Okerrak
33
Ziurtasuna
83.5%
Puntuazio garbia
156.00
MIR 2026
195
Zuzenak
171
Okerrak
23
Ziurtasuna
85.5%
Puntuazio garbia
163.33