MedicalBenchmark
Qwen2.5 Coder 32B Instruct provider

Qwen2.5 Coder 32B Instruct

271

#271 319 modeloetatik sailkapen orokorrean

3 MIR azterketatan metatutako errendimendua

Puntuazio garbia

298.00 pts

Ziurtasuna

60.2%

Zuzenak / Okerrak

361 / 189

Kostu osoa

$0.20

Errendimendu Orokorra

(vs. batez bestekoa)
Ziurtasuna

60.2%

avg: 80.6%

Puntuazio garbia

298.00 pts

avg: 453.30 pts

Zuzenak

361

avg: 483

Okerrak

189

avg: 90

Kostu osoa

$0.20

avg: $9.58

Batez besteko erantzun-denbora

15.1s

avg: 17.9s

Irteerako tokenak

371K

avg: 1.3M

Arrazonamendu tokenak

0

avg: 898K

Batez besteko konfiantza

91.1%

avg: 95.4%

Azterketaren araberako banaketa

MIR 2024
277
Zuzenak
113
Okerrak
62
Ziurtasuna
56.5%
Puntuazio garbia
92.33
MIR 2025
270
Zuzenak
114
Okerrak
70
Ziurtasuna
57.0%
Puntuazio garbia
90.66
MIR 2026
267
Zuzenak
134
Okerrak
57
Ziurtasuna
67.0%
Puntuazio garbia
115.00