MedicalBenchmark
Qwen: Qwen3 VL 8B Thinking provider

Qwen3 VL 8B Thinking

205

#205 319 modeloetatik sailkapen orokorrean

3 MIR azterketatan metatutako errendimendua

Puntuazio garbia

467.66 pts

Ziurtasuna

83.3%

Zuzenak / Okerrak

500 / 97

Kostu osoa

$4.00

Errendimendu Orokorra

(vs. batez bestekoa)
Ziurtasuna

83.3%

avg: 80.6%

Puntuazio garbia

467.66 pts

avg: 453.30 pts

Zuzenak

500

avg: 483

Okerrak

97

avg: 90

Kostu osoa

$4.00

avg: $9.58

Batez besteko erantzun-denbora

39.2s

avg: 17.9s

Irteerako tokenak

1.9M

avg: 1.3M

Arrazonamendu tokenak

1.6M

avg: 898K

Batez besteko konfiantza

99.2%

avg: 95.4%

Azterketaren araberako banaketa

MIR 2024
208
Zuzenak
168
Okerrak
30
Ziurtasuna
84.0%
Puntuazio garbia
158.00
MIR 2025
177
Zuzenak
168
Okerrak
32
Ziurtasuna
84.0%
Puntuazio garbia
157.33
MIR 2026
232
Zuzenak
164
Okerrak
35
Ziurtasuna
82.0%
Puntuazio garbia
152.33