MedicalBenchmark
Qwen: Qwen3.5-Flash provider

Qwen3.5-Flash

116

#116 319 modeloetatik sailkapen orokorrean

3 MIR azterketatan metatutako errendimendua

Puntuazio garbia

533.00 pts

Ziurtasuna

90.8%

Zuzenak / Okerrak

545 / 36

Kostu osoa

$0.91

Errendimendu Orokorra

(vs. batez bestekoa)
Ziurtasuna

90.8%

avg: 80.6%

Puntuazio garbia

533.00 pts

avg: 453.30 pts

Zuzenak

545

avg: 483

Okerrak

36

avg: 90

Kostu osoa

$0.91

avg: $9.58

Batez besteko erantzun-denbora

25.9s

avg: 17.9s

Irteerako tokenak

2.2M

avg: 1.3M

Arrazonamendu tokenak

1.8M

avg: 898K

Batez besteko konfiantza

98.0%

avg: 95.4%

Azterketaren araberako banaketa

MIR 2024
186
Zuzenak
173
Okerrak
18
Ziurtasuna
86.5%
Puntuazio garbia
167.00
MIR 2025
46
Zuzenak
187
Okerrak
11
Ziurtasuna
93.5%
Puntuazio garbia
183.33
MIR 2026
109
Zuzenak
185
Okerrak
7
Ziurtasuna
92.5%
Puntuazio garbia
182.66