MedicalBenchmark
AllenAI: Olmo 3.1 32B Instruct provider

Olmo 3.1 32B Instruct

251

#251 291 modeloetatikMIR 2024

Puntuazio garbia

90.66 pts

Ziurtasuna

58.0%

Zuzenak / Okerrak

116 / 76

Kostu osoa

$0.11

Errendimendu Orokorra

(vs. batez bestekoa)
Ziurtasuna

58.0%

avg: 80.5%

Puntuazio garbia

90.66 pts

avg: 150.85 pts

Zuzenak

116

avg: 161

Okerrak

76

avg: 30

Kostu osoa

$0.11

avg: $3.32

Batez besteko erantzun-denbora

12.8s

avg: 16.4s

Irteerako tokenak

147K

avg: 427K

Arrazonamendu tokenak

0

avg: 310K

Batez besteko konfiantza

94.7%

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
3
Okerrak
1
Erantzun gabeak
0
Ziurtasuna
75.0%
Batez bestekoa
87.1%
Dermatologia
Zuzenak
7
Okerrak
7
Erantzun gabeak
0
Ziurtasuna
50.0%
Batez bestekoa
80.2%
Endokrinologia eta Nutrizioa
Zuzenak
12
Okerrak
7
Erantzun gabeak
0
Ziurtasuna
63.2%
Batez bestekoa
84.2%
Epidemiologia
Zuzenak
7
Okerrak
1
Erantzun gabeak
0
Ziurtasuna
87.5%
Batez bestekoa
89.3%
Erradiologia-Larrialdiak
Zuzenak
6
Okerrak
4
Erantzun gabeak
4
Ziurtasuna
42.9%
Batez bestekoa
64.9%
Erreumatologia
Zuzenak
5
Okerrak
9
Erantzun gabeak
0
Ziurtasuna
35.7%
Batez bestekoa
81.4%
Estatistika
Zuzenak
3
Okerrak
0
Erantzun gabeak
0
Ziurtasuna
100.0%
Batez bestekoa
91.1%
Farmakologia
Zuzenak
18
Okerrak
5
Erantzun gabeak
0
Ziurtasuna
78.3%
Batez bestekoa
85.4%
Gaixotasun Infekziosoak
Zuzenak
10
Okerrak
11
Erantzun gabeak
2
Ziurtasuna
43.5%
Batez bestekoa
81.8%
Gastroenterologia
Zuzenak
10
Okerrak
11
Erantzun gabeak
1
Ziurtasuna
45.5%
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
8
Okerrak
6
Erantzun gabeak
0
Ziurtasuna
57.1%
Batez bestekoa
81.2%
Hematologia
Zuzenak
11
Okerrak
2
Erantzun gabeak
0
Ziurtasuna
84.6%
Batez bestekoa
81.5%
Immunologia
Zuzenak
6
Okerrak
2
Erantzun gabeak
0
Ziurtasuna
75.0%
Batez bestekoa
89.1%
Kardiologia
Zuzenak
14
Okerrak
5
Erantzun gabeak
2
Ziurtasuna
66.7%
Batez bestekoa
79.7%
Medikuntza Legala eta Bioetika
Zuzenak
2
Okerrak
0
Erantzun gabeak
0
Ziurtasuna
100.0%
Batez bestekoa
91.7%
Nefrologia
Zuzenak
10
Okerrak
3
Erantzun gabeak
0
Ziurtasuna
76.9%
Batez bestekoa
80.8%
Neurologia
Zuzenak
10
Okerrak
11
Erantzun gabeak
1
Ziurtasuna
45.5%
Batez bestekoa
83.7%
Oftalmologia
Zuzenak
2
Okerrak
3
Erantzun gabeak
0
Ziurtasuna
40.0%
Batez bestekoa
80.0%
Onkologia Medikoa
Zuzenak
14
Okerrak
7
Erantzun gabeak
0
Ziurtasuna
66.7%
Batez bestekoa
80.2%
ORL
Zuzenak
2
Okerrak
4
Erantzun gabeak
1
Ziurtasuna
28.6%
Batez bestekoa
74.4%
Osasun Plangintza eta Kudeaketa
Zuzenak
2
Okerrak
0
Erantzun gabeak
0
Ziurtasuna
100.0%
Batez bestekoa
73.2%
Pediatria
Zuzenak
9
Okerrak
7
Erantzun gabeak
1
Ziurtasuna
52.9%
Batez bestekoa
82.0%
Pneumologia
Zuzenak
10
Okerrak
8
Erantzun gabeak
1
Ziurtasuna
52.6%
Batez bestekoa
80.6%
Psikiatria
Zuzenak
9
Okerrak
1
Erantzun gabeak
0
Ziurtasuna
90.0%
Batez bestekoa
89.5%
Traumatologia
Zuzenak
5
Okerrak
8
Erantzun gabeak
2
Ziurtasuna
33.3%
Batez bestekoa
74.5%
Urologia
Zuzenak
4
Okerrak
2
Erantzun gabeak
0
Ziurtasuna
66.7%
Batez bestekoa
78.2%
Zainketa Aringarriak
Zuzenak
3
Okerrak
1
Erantzun gabeak
0
Ziurtasuna
75.0%
Batez bestekoa
88.2%

Galdera motaren araberako xehetasuna

Anatomia
Zuzenak
2
Okerrak
4
Erantzun gabeak
0
Ziurtasuna
33.3%
Batez bestekoa
79.8%
Arriskua
Zuzenak
11
Okerrak
2
Erantzun gabeak
0
Ziurtasuna
84.6%
Batez bestekoa
83.6%
Biostatistika
Zuzenak
5
Okerrak
0
Erantzun gabeak
0
Ziurtasuna
100.0%
Batez bestekoa
90.7%
Diagnostikoa
Zuzenak
37
Okerrak
31
Erantzun gabeak
5
Ziurtasuna
50.7%
Batez bestekoa
79.2%
Epidemiologia
Zuzenak
10
Okerrak
2
Erantzun gabeak
0
Ziurtasuna
83.3%
Batez bestekoa
81.2%
Etika
Zuzenak
1
Okerrak
0
Erantzun gabeak
0
Ziurtasuna
100.0%
Batez bestekoa
94.5%
Farmakologia
Zuzenak
15
Okerrak
10
Erantzun gabeak
0
Ziurtasuna
60.0%
Batez bestekoa
84.0%
Fisiopatologia
Zuzenak
25
Okerrak
8
Erantzun gabeak
0
Ziurtasuna
75.8%
Batez bestekoa
85.4%
Interpretazioa
Zuzenak
16
Okerrak
15
Erantzun gabeak
6
Ziurtasuna
43.2%
Batez bestekoa
69.6%
Prebentzioa
Zuzenak
8
Okerrak
4
Erantzun gabeak
0
Ziurtasuna
66.7%
Batez bestekoa
89.8%
Probak
Zuzenak
9
Okerrak
11
Erantzun gabeak
1
Ziurtasuna
42.9%
Batez bestekoa
73.9%
Pronostikoa
Zuzenak
5
Okerrak
2
Erantzun gabeak
0
Ziurtasuna
71.4%
Batez bestekoa
83.9%
Tratamendua
Zuzenak
37
Okerrak
32
Erantzun gabeak
2
Ziurtasuna
52.1%
Batez bestekoa
81.3%
#ErantzunaZuzenaEgoera
1AB
2D
3DB
4AC
5CC
6CB
7D
8CC
9BA
10DD
11D
12AA
13C
14BA
15DB
16AA
17CC
18A
19BB
20CC
21D
22CB
23AA
24BA
25AC
26BB
27CC
28AA
29BB
30DC
31DD
32AA
33CC
34BB
35DD
36DD
37BA
38DA
39CC
40BB
41CC
42DD
43AA
44DD
45DD
46BB
47CC
48AC
49BB
50CC
51CA
52DD
53CC
54BB
55CC
56DD
57DA
58AA
59BA
60CA
61CA
62BD
63CD
64BBaliogabetua
65DD
66CC
67AB
68CBaliogabetua
69AA
70CB
71CB
72CD
73B
74AC
75CB
76AA
77AD
78CC
79CB
80AA
81CC
82CC
83BB
84CC
85AA
86AA
87BB
88DD
89BB
90AA
91CD
92CA
93AC
94BB
95BD
96BB
97CB
98CB
99AA
100BB
101BA
102BD
103BB
104AD
105BB
106DC
107BC
108BB
109AD
110CD
111BB
112CC
113BBaliogabetua
114BD
115DD
116DA
117DD
118DD
119AA
120CC
121AA
122AB
123DD
124CD
125CB
126AD
127AA
128DB
129DD
130CC
131BC
132CD
133CA
134CC
135DA
136AD
137AA
138BC
139AA
140AC
141BB
142BC
143AA
144DD
145BC
146BC
147CC
148AA
149AC
150DD
151AA
152AA
153AC
154BB
155DD
156CC
157CC
158DD
159DD
160CB
161BB
162BB
163DB
164AB
165CA
166CC
167AA
168CB
169CC
170CA
171DD
172BB
173DA
174BB
175AA
176CC
177CC
178BB
179BC
180ABaliogabetua
181B
182DD
183BC
184AA
185CC
186DD
187AA
188CC
189CD
190DD
191BB
192BB
193AC
194CC
195CC
196BB
197DA
198BB
199CD
200AA
201AB
202DD
203BB
204CD
205AD
206BBaliogabetua
207DA
208AA
209BB
210AD