MedicalBenchmark
Qwen: Qwen2.5 7B Instruct provider

Qwen2.5 7B Instruct

280

#280 319 modeloetatik sailkapen orokorrean

3 MIR azterketatan metatutako errendimendua

Puntuazio garbia

248.66 pts

Ziurtasuna

53.3%

Zuzenak / Okerrak

320 / 214

Kostu osoa

$0.05

Errendimendu Orokorra

(vs. batez bestekoa)
Ziurtasuna

53.3%

avg: 80.6%

Puntuazio garbia

248.66 pts

avg: 453.30 pts

Zuzenak

320

avg: 483

Okerrak

214

avg: 90

Kostu osoa

$0.05

avg: $9.58

Batez besteko erantzun-denbora

10.3s

avg: 17.9s

Irteerako tokenak

355K

avg: 1.3M

Arrazonamendu tokenak

0

avg: 898K

Batez besteko konfiantza

88.4%

avg: 95.4%

Azterketaren araberako banaketa

MIR 2024
285
Zuzenak
100
Okerrak
81
Ziurtasuna
50.0%
Puntuazio garbia
73.00
MIR 2025
285
Zuzenak
93
Okerrak
73
Ziurtasuna
46.5%
Puntuazio garbia
68.66
MIR 2026
276
Zuzenak
127
Okerrak
60
Ziurtasuna
63.5%
Puntuazio garbia
107.00