MedicalBenchmark
Qwen: Qwen3 Max Thinking provider

Qwen3 Max Thinking

92

#92 319 modeloetatik sailkapen orokorrean

3 MIR azterketatan metatutako errendimendua

Puntuazio garbia

543.33 pts

Ziurtasuna

92.5%

Zuzenak / Okerrak

555 / 35

Kostu osoa

$2.90

Errendimendu Orokorra

(vs. batez bestekoa)
Ziurtasuna

92.5%

avg: 80.6%

Puntuazio garbia

543.33 pts

avg: 453.30 pts

Zuzenak

555

avg: 483

Okerrak

35

avg: 90

Kostu osoa

$2.90

avg: $9.58

Batez besteko erantzun-denbora

21.8s

avg: 17.9s

Irteerako tokenak

424K

avg: 1.3M

Arrazonamendu tokenak

0

avg: 898K

Batez besteko konfiantza

98.1%

avg: 95.4%

Azterketaren araberako banaketa

MIR 2024
87
Zuzenak
188
Okerrak
8
Ziurtasuna
94.0%
Puntuazio garbia
185.33
MIR 2025
103
Zuzenak
179
Okerrak
19
Ziurtasuna
89.5%
Puntuazio garbia
172.66
MIR 2026
91
Zuzenak
188
Okerrak
8
Ziurtasuna
94.0%
Puntuazio garbia
185.33