MedicalBenchmark
AllenAI: Olmo 3 7B Think provider

Olmo 3 7B Think

254

#254 291 modeloetatikMIR 2024

Puntuazio garbia

84.00 pts

Ziurtasuna

56.0%

Zuzenak / Okerrak

112 / 84

Kostu osoa

$0.14

Errendimendu Orokorra

(vs. batez bestekoa)
Ziurtasuna

56.0%

avg: 80.5%

Puntuazio garbia

84.00 pts

avg: 150.85 pts

Zuzenak

112

avg: 161

Okerrak

84

avg: 30

Kostu osoa

$0.14

avg: $3.32

Batez besteko erantzun-denbora

16.3s

avg: 16.4s

Irteerako tokenak

647K

avg: 427K

Arrazonamendu tokenak

583K

avg: 310K

Batez besteko konfiantza

97.4%

avg: 95.4%

Irakasgaien araberako xehetasuna

Alergologia
Zuzenak
3
Okerrak
0
Erantzun gabeak
0
Ziurtasuna
100.0%
Batez bestekoa
90.5%
Anestesiologia eta Bizkortzea
Zuzenak
1
Okerrak
3
Erantzun gabeak
0
Ziurtasuna
25.0%
Batez bestekoa
87.1%
Dermatologia
Zuzenak
7
Okerrak
7
Erantzun gabeak
0
Ziurtasuna
50.0%
Batez bestekoa
80.2%
Endokrinologia eta Nutrizioa
Zuzenak
13
Okerrak
6
Erantzun gabeak
0
Ziurtasuna
68.4%
Batez bestekoa
84.2%
Epidemiologia
Zuzenak
6
Okerrak
1
Erantzun gabeak
1
Ziurtasuna
75.0%
Batez bestekoa
89.3%
Erradiologia-Larrialdiak
Zuzenak
8
Okerrak
6
Erantzun gabeak
0
Ziurtasuna
57.1%
Batez bestekoa
64.9%
Erreumatologia
Zuzenak
7
Okerrak
7
Erantzun gabeak
0
Ziurtasuna
50.0%
Batez bestekoa
81.4%
Estatistika
Zuzenak
2
Okerrak
1
Erantzun gabeak
0
Ziurtasuna
66.7%
Batez bestekoa
91.1%
Farmakologia
Zuzenak
13
Okerrak
10
Erantzun gabeak
0
Ziurtasuna
56.5%
Batez bestekoa
85.4%
Gaixotasun Infekziosoak
Zuzenak
12
Okerrak
11
Erantzun gabeak
0
Ziurtasuna
52.2%
Batez bestekoa
81.8%
Gastroenterologia
Zuzenak
7
Okerrak
14
Erantzun gabeak
1
Ziurtasuna
31.8%
Batez bestekoa
70.5%
Genetika
Zuzenak
5
Okerrak
2
Erantzun gabeak
0
Ziurtasuna
71.4%
Batez bestekoa
86.5%
Geriatria
Zuzenak
7
Okerrak
3
Erantzun gabeak
0
Ziurtasuna
70.0%
Batez bestekoa
86.9%
Ginekologia eta Obstetrizia
Zuzenak
5
Okerrak
7
Erantzun gabeak
2
Ziurtasuna
35.7%
Batez bestekoa
81.2%
Hematologia
Zuzenak
8
Okerrak
5
Erantzun gabeak
0
Ziurtasuna
61.5%
Batez bestekoa
81.5%
Immunologia
Zuzenak
7
Okerrak
1
Erantzun gabeak
0
Ziurtasuna
87.5%
Batez bestekoa
89.1%
Kardiologia
Zuzenak
11
Okerrak
9
Erantzun gabeak
1
Ziurtasuna
52.4%
Batez bestekoa
79.7%
Medikuntza Legala eta Bioetika
Zuzenak
2
Okerrak
0
Erantzun gabeak
0
Ziurtasuna
100.0%
Batez bestekoa
91.7%
Nefrologia
Zuzenak
6
Okerrak
7
Erantzun gabeak
0
Ziurtasuna
46.2%
Batez bestekoa
80.8%
Neurologia
Zuzenak
14
Okerrak
7
Erantzun gabeak
1
Ziurtasuna
63.6%
Batez bestekoa
83.7%
Oftalmologia
Zuzenak
4
Okerrak
1
Erantzun gabeak
0
Ziurtasuna
80.0%
Batez bestekoa
80.0%
Onkologia Medikoa
Zuzenak
10
Okerrak
10
Erantzun gabeak
1
Ziurtasuna
47.6%
Batez bestekoa
80.2%
ORL
Zuzenak
5
Okerrak
2
Erantzun gabeak
0
Ziurtasuna
71.4%
Batez bestekoa
74.4%
Osasun Plangintza eta Kudeaketa
Zuzenak
1
Okerrak
1
Erantzun gabeak
0
Ziurtasuna
50.0%
Batez bestekoa
73.2%
Pediatria
Zuzenak
9
Okerrak
7
Erantzun gabeak
1
Ziurtasuna
52.9%
Batez bestekoa
82.0%
Pneumologia
Zuzenak
12
Okerrak
7
Erantzun gabeak
0
Ziurtasuna
63.2%
Batez bestekoa
80.6%
Psikiatria
Zuzenak
8
Okerrak
1
Erantzun gabeak
1
Ziurtasuna
80.0%
Batez bestekoa
89.5%
Traumatologia
Zuzenak
8
Okerrak
7
Erantzun gabeak
0
Ziurtasuna
53.3%
Batez bestekoa
74.5%
Urologia
Zuzenak
4
Okerrak
2
Erantzun gabeak
0
Ziurtasuna
66.7%
Batez bestekoa
78.2%
Zainketa Aringarriak
Zuzenak
2
Okerrak
2
Erantzun gabeak
0
Ziurtasuna
50.0%
Batez bestekoa
88.2%

Galdera motaren araberako xehetasuna

Anatomia
Zuzenak
3
Okerrak
3
Erantzun gabeak
0
Ziurtasuna
50.0%
Batez bestekoa
79.8%
Arriskua
Zuzenak
7
Okerrak
6
Erantzun gabeak
0
Ziurtasuna
53.8%
Batez bestekoa
83.6%
Biostatistika
Zuzenak
4
Okerrak
1
Erantzun gabeak
0
Ziurtasuna
80.0%
Batez bestekoa
90.7%
Diagnostikoa
Zuzenak
43
Okerrak
29
Erantzun gabeak
1
Ziurtasuna
58.9%
Batez bestekoa
79.2%
Epidemiologia
Zuzenak
9
Okerrak
3
Erantzun gabeak
0
Ziurtasuna
75.0%
Batez bestekoa
81.2%
Etika
Zuzenak
1
Okerrak
0
Erantzun gabeak
0
Ziurtasuna
100.0%
Batez bestekoa
94.5%
Farmakologia
Zuzenak
12
Okerrak
13
Erantzun gabeak
0
Ziurtasuna
48.0%
Batez bestekoa
84.0%
Fisiopatologia
Zuzenak
21
Okerrak
12
Erantzun gabeak
0
Ziurtasuna
63.6%
Batez bestekoa
85.4%
Interpretazioa
Zuzenak
18
Okerrak
17
Erantzun gabeak
2
Ziurtasuna
48.6%
Batez bestekoa
69.6%
Prebentzioa
Zuzenak
9
Okerrak
2
Erantzun gabeak
1
Ziurtasuna
75.0%
Batez bestekoa
89.8%
Probak
Zuzenak
9
Okerrak
10
Erantzun gabeak
2
Ziurtasuna
42.9%
Batez bestekoa
73.9%
Pronostikoa
Zuzenak
3
Okerrak
4
Erantzun gabeak
0
Ziurtasuna
42.9%
Batez bestekoa
83.9%
Tratamendua
Zuzenak
40
Okerrak
31
Erantzun gabeak
0
Ziurtasuna
56.3%
Batez bestekoa
81.3%
#ErantzunaZuzenaEgoera
1AB
2BD
3DB
4BC
5CC
6DB
7DD
8CC
9CA
10DD
11CD
12AA
13C
14CA
15CB
16DA
17AC
18AA
19BB
20CC
21DD
22AB
23AA
24DA
25DC
26BB
27AC
28CA
29BB
30DC
31AD
32CA
33CC
34BB
35DD
36CD
37AA
38AA
39CC
40BB
41BC
42DD
43AA
44DD
45AD
46BB
47CC
48CC
49CB
50BC
51AA
52DD
53AC
54CB
55CC
56DD
57AA
58AA
59AA
60AA
61AA
62CD
63DD
64BBaliogabetua
65CD
66AC
67CB
68BBaliogabetua
69AA
70BB
71BB
72BD
73CB
74BC
75BB
76AA
77AD
78CC
79B
80AA
81DC
82DC
83BB
84CC
85AA
86AA
87BB
88DD
89BB
90CA
91BD
92BA
93BC
94BB
95CD
96BB
97AB
98DB
99AA
100BB
101DA
102DD
103BB
104AD
105BB
106DC
107BC
108BB
109DD
110CD
111BB
112CC
113DBaliogabetua
114DD
115DD
116DA
117DD
118AD
119AA
120BC
121AA
122AB
123DD
124DD
125CB
126DD
127AA
128DB
129DD
130DC
131BC
132CD
133CA
134BC
135CA
136AD
137AA
138AC
139BA
140BC
141BB
142CC
143BA
144DD
145CC
146BC
147CC
148AA
149BC
150DD
151AA
152A
153DC
154BB
155CD
156CC
157CC
158DD
159DD
160DB
161BB
162BB
163BB
164BB
165AA
166DC
167CA
168BB
169CC
170CA
171DD
172BB
173BA
174BB
175AA
176CC
177CC
178BB
179BC
180BBaliogabetua
181CB
182DD
183BC
184CA
185CC
186DD
187AA
188AC
189AD
190DD
191B
192BB
193CC
194CC
195CC
196BB
197CA
198BB
199DD
200BA
201BB
202DD
203DB
204AD
205AD
206CBaliogabetua
207DA
208AA
209AB
210AD