MedicalBenchmark
Qwen: Qwen Plus 0728 (thinking) provider

Qwen Plus 0728 (thinking)

53

#53 319 modeloetatik sailkapen orokorrean

3 MIR azterketatan metatutako errendimendua

Puntuazio garbia

560.33 pts

Ziurtasuna

95.0%

Zuzenak / Okerrak

570 / 29

Kostu osoa

$5.25

Errendimendu Orokorra

(vs. batez bestekoa)
Ziurtasuna

95.0%

avg: 80.6%

Puntuazio garbia

560.33 pts

avg: 453.30 pts

Zuzenak

570

avg: 483

Okerrak

29

avg: 90

Kostu osoa

$5.25

avg: $9.58

Batez besteko erantzun-denbora

28.1s

avg: 17.9s

Irteerako tokenak

1.3M

avg: 1.3M

Arrazonamendu tokenak

902K

avg: 898K

Batez besteko konfiantza

99.6%

avg: 95.4%

Azterketaren araberako banaketa

MIR 2024
75
Zuzenak
190
Okerrak
10
Ziurtasuna
95.0%
Puntuazio garbia
186.66
MIR 2025
52
Zuzenak
187
Okerrak
13
Ziurtasuna
93.5%
Puntuazio garbia
182.66
MIR 2026
52
Zuzenak
193
Okerrak
6
Ziurtasuna
96.5%
Puntuazio garbia
191.00