MedicalBenchmark
Qwen: Qwen-Max  provider

Qwen-Max

213

#213 319 modeloetatik sailkapen orokorrean

3 MIR azterketatan metatutako errendimendua

Puntuazio garbia

461.66 pts

Ziurtasuna

82.5%

Zuzenak / Okerrak

495 / 100

Kostu osoa

$2.91

Errendimendu Orokorra

(vs. batez bestekoa)
Ziurtasuna

82.5%

avg: 80.6%

Puntuazio garbia

461.66 pts

avg: 453.30 pts

Zuzenak

495

avg: 483

Okerrak

100

avg: 90

Kostu osoa

$2.91

avg: $9.58

Batez besteko erantzun-denbora

10.7s

avg: 17.9s

Irteerako tokenak

381K

avg: 1.3M

Arrazonamendu tokenak

0

avg: 898K

Batez besteko konfiantza

98.7%

avg: 95.4%

Azterketaren araberako banaketa

MIR 2024
217
Zuzenak
166
Okerrak
34
Ziurtasuna
83.0%
Puntuazio garbia
154.66
MIR 2025
197
Zuzenak
163
Okerrak
35
Ziurtasuna
81.5%
Puntuazio garbia
151.33
MIR 2026
220
Zuzenak
166
Okerrak
31
Ziurtasuna
83.0%
Puntuazio garbia
155.66