MedicalBenchmark
StepFun: Step 3.5 Flash provider

Step 3.5 Flash

89

#89 319 modeloetatik sailkapen orokorrean

3 MIR azterketatan metatutako errendimendua

Puntuazio garbia

544.66 pts

Ziurtasuna

92.7%

Zuzenak / Okerrak

556 / 34

Kostu osoa

$0.49

Errendimendu Orokorra

(vs. batez bestekoa)
Ziurtasuna

92.7%

avg: 80.6%

Puntuazio garbia

544.66 pts

avg: 453.30 pts

Zuzenak

556

avg: 483

Okerrak

34

avg: 90

Kostu osoa

$0.49

avg: $9.58

Batez besteko erantzun-denbora

17.0s

avg: 17.9s

Irteerako tokenak

1.5M

avg: 1.3M

Arrazonamendu tokenak

1.2M

avg: 898K

Batez besteko konfiantza

98.2%

avg: 95.4%

Azterketaren araberako banaketa

MIR 2024
120
Zuzenak
184
Okerrak
12
Ziurtasuna
92.0%
Puntuazio garbia
180.00
MIR 2025
71
Zuzenak
183
Okerrak
14
Ziurtasuna
91.5%
Puntuazio garbia
178.33
MIR 2026
81
Zuzenak
189
Okerrak
8
Ziurtasuna
94.5%
Puntuazio garbia
186.33