MedicalBenchmark
xAI: Grok 3 Beta provider

Grok 3 Beta

76

#76 319 modeloetatik sailkapen orokorrean

3 MIR azterketatan metatutako errendimendua

Puntuazio garbia

550.00 pts

Ziurtasuna

93.7%

Zuzenak / Okerrak

562 / 36

Kostu osoa

$7.91

Errendimendu Orokorra

(vs. batez bestekoa)
Ziurtasuna

93.7%

avg: 80.6%

Puntuazio garbia

550.00 pts

avg: 453.30 pts

Zuzenak

562

avg: 483

Okerrak

36

avg: 90

Kostu osoa

$7.91

avg: $9.58

Batez besteko erantzun-denbora

15.8s

avg: 17.9s

Irteerako tokenak

498K

avg: 1.3M

Arrazonamendu tokenak

0

avg: 898K

Batez besteko konfiantza

98.5%

avg: 95.4%

Azterketaren araberako banaketa

MIR 2024
89
Zuzenak
189
Okerrak
11
Ziurtasuna
94.5%
Puntuazio garbia
185.33
MIR 2025
73
Zuzenak
183
Okerrak
16
Ziurtasuna
91.5%
Puntuazio garbia
177.66
MIR 2026
78
Zuzenak
190
Okerrak
9
Ziurtasuna
95.0%
Puntuazio garbia
187.00