MedicalBenchmark
Sao10K: Llama 3.1 Euryale 70B v2.2 provider

Llama 3.1 Euryale 70B v2.2

254

#254 319 modeloetatik sailkapen orokorrean

3 MIR azterketatan metatutako errendimendua

Puntuazio garbia

379.33 pts

Ziurtasuna

70.3%

Zuzenak / Okerrak

422 / 128

Kostu osoa

$0.55

Errendimendu Orokorra

(vs. batez bestekoa)
Ziurtasuna

70.3%

avg: 80.6%

Puntuazio garbia

379.33 pts

avg: 453.30 pts

Zuzenak

422

avg: 483

Okerrak

128

avg: 90

Kostu osoa

$0.55

avg: $9.58

Batez besteko erantzun-denbora

21.2s

avg: 17.9s

Irteerako tokenak

369K

avg: 1.3M

Arrazonamendu tokenak

0

avg: 898K

Batez besteko konfiantza

90.5%

avg: 95.4%

Azterketaren araberako banaketa

MIR 2024
258
Zuzenak
140
Okerrak
45
Ziurtasuna
70.0%
Puntuazio garbia
125.00
MIR 2025
251
Zuzenak
137
Okerrak
49
Ziurtasuna
68.5%
Puntuazio garbia
120.66
MIR 2026
252
Zuzenak
145
Okerrak
34
Ziurtasuna
72.5%
Puntuazio garbia
133.66