MedicalBenchmark
Qwen: Qwen3 235B A22B Thinking 2507 provider

Qwen3 235B A22B Thinking 2507

41

#41 319 modeloetatik sailkapen orokorrean

3 MIR azterketatan metatutako errendimendua

Puntuazio garbia

565.66 pts

Ziurtasuna

95.7%

Zuzenak / Okerrak

574 / 25

Kostu osoa

$1.73

Errendimendu Orokorra

(vs. batez bestekoa)
Ziurtasuna

95.7%

avg: 80.6%

Puntuazio garbia

565.66 pts

avg: 453.30 pts

Zuzenak

574

avg: 483

Okerrak

25

avg: 90

Kostu osoa

$1.73

avg: $9.58

Batez besteko erantzun-denbora

91.2s

avg: 17.9s

Irteerako tokenak

1.2M

avg: 1.3M

Arrazonamendu tokenak

862K

avg: 898K

Batez besteko konfiantza

99.5%

avg: 95.4%

Azterketaren araberako banaketa

MIR 2024
8
Zuzenak
195
Okerrak
5
Ziurtasuna
97.5%
Puntuazio garbia
193.33
MIR 2025
42
Zuzenak
188
Okerrak
12
Ziurtasuna
94.0%
Puntuazio garbia
184.00
MIR 2026
68
Zuzenak
191
Okerrak
8
Ziurtasuna
95.5%
Puntuazio garbia
188.33