MedicalBenchmark
StepFun: Step 3.5 Flash provider

Step 3.5 Flash

93

#93 319 modeloetatik sailkapen orokorrean

3 MIR azterketatan metatutako errendimendua

Puntuazio garbia

543.00 pts

Ziurtasuna

92.5%

Zuzenak / Okerrak

555 / 36

Kostu osoa

$0.00

Errendimendu Orokorra

(vs. batez bestekoa)
Ziurtasuna

92.5%

avg: 80.6%

Puntuazio garbia

543.00 pts

avg: 453.30 pts

Zuzenak

555

avg: 483

Okerrak

36

avg: 90

Kostu osoa

$0.00

avg: $9.58

Batez besteko erantzun-denbora

9.4s

avg: 17.9s

Irteerako tokenak

1.6M

avg: 1.3M

Arrazonamendu tokenak

1.3M

avg: 898K

Batez besteko konfiantza

98.0%

avg: 95.4%

Azterketaren araberako banaketa

MIR 2024
115
Zuzenak
185
Okerrak
13
Ziurtasuna
92.5%
Puntuazio garbia
180.66
MIR 2025
81
Zuzenak
181
Okerrak
16
Ziurtasuna
90.5%
Puntuazio garbia
175.66
MIR 2026
79
Zuzenak
189
Okerrak
7
Ziurtasuna
94.5%
Puntuazio garbia
186.66