MedicalBenchmark
Sao10K: Llama 3 8B Lunaris provider

Llama 3 8B Lunaris

288

#288 319 modeloetatik sailkapen orokorrean

3 MIR azterketatan metatutako errendimendua

Puntuazio garbia

198.00 pts

Ziurtasuna

47.7%

Zuzenak / Okerrak

286 / 264

Kostu osoa

$0.02

Errendimendu Orokorra

(vs. batez bestekoa)
Ziurtasuna

47.7%

avg: 80.6%

Puntuazio garbia

198.00 pts

avg: 453.30 pts

Zuzenak

286

avg: 483

Okerrak

264

avg: 90

Kostu osoa

$0.02

avg: $9.58

Batez besteko erantzun-denbora

4.8s

avg: 17.9s

Irteerako tokenak

213K

avg: 1.3M

Arrazonamendu tokenak

0

avg: 898K

Batez besteko konfiantza

89.9%

avg: 95.4%

Azterketaren araberako banaketa

MIR 2024
297
Zuzenak
88
Okerrak
104
Ziurtasuna
44.0%
Puntuazio garbia
53.33
MIR 2025
289
Zuzenak
86
Okerrak
92
Ziurtasuna
43.0%
Puntuazio garbia
55.33
MIR 2026
285
Zuzenak
112
Okerrak
68
Ziurtasuna
56.0%
Puntuazio garbia
89.33