MedicalBenchmark
AllenAI: Olmo 3.1 32B Think provider

Olmo 3.1 32B Think

218

#218 291 modeloetatikMIR 2024

Puntuazio garbia

140.00 pts

Ziurtasuna

75.0%

Zuzenak / Okerrak

150 / 30

Kostu osoa

$0.38

Errendimendu Orokorra

(vs. batez bestekoa)
Ziurtasuna

75.0%

avg: 80.5%

Puntuazio garbia

140.00 pts

avg: 150.85 pts

Zuzenak

150

avg: 161

Okerrak

30

avg: 30

Kostu osoa

$0.38

avg: $3.32

Batez besteko erantzun-denbora

47.6s

avg: 16.4s

Irteerako tokenak

729K

avg: 427K

Arrazonamendu tokenak

661K

avg: 310K

Batez besteko konfiantza

89.0%

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
4
Okerrak
0
Erantzun gabeak
0
Ziurtasuna
100.0%
Batez bestekoa
87.1%
Dermatologia
Zuzenak
6
Okerrak
6
Erantzun gabeak
2
Ziurtasuna
42.9%
Batez bestekoa
80.2%
Endokrinologia eta Nutrizioa
Zuzenak
16
Okerrak
3
Erantzun gabeak
0
Ziurtasuna
84.2%
Batez bestekoa
84.2%
Epidemiologia
Zuzenak
7
Okerrak
1
Erantzun gabeak
0
Ziurtasuna
87.5%
Batez bestekoa
89.3%
Erradiologia-Larrialdiak
Zuzenak
7
Okerrak
3
Erantzun gabeak
4
Ziurtasuna
50.0%
Batez bestekoa
64.9%
Erreumatologia
Zuzenak
9
Okerrak
4
Erantzun gabeak
1
Ziurtasuna
64.3%
Batez bestekoa
81.4%
Estatistika
Zuzenak
3
Okerrak
0
Erantzun gabeak
0
Ziurtasuna
100.0%
Batez bestekoa
91.1%
Farmakologia
Zuzenak
21
Okerrak
1
Erantzun gabeak
1
Ziurtasuna
91.3%
Batez bestekoa
85.4%
Gaixotasun Infekziosoak
Zuzenak
13
Okerrak
7
Erantzun gabeak
3
Ziurtasuna
56.5%
Batez bestekoa
81.8%
Gastroenterologia
Zuzenak
14
Okerrak
5
Erantzun gabeak
3
Ziurtasuna
63.6%
Batez bestekoa
70.5%
Genetika
Zuzenak
4
Okerrak
3
Erantzun gabeak
0
Ziurtasuna
57.1%
Batez bestekoa
86.5%
Geriatria
Zuzenak
8
Okerrak
1
Erantzun gabeak
1
Ziurtasuna
80.0%
Batez bestekoa
86.9%
Ginekologia eta Obstetrizia
Zuzenak
11
Okerrak
0
Erantzun gabeak
3
Ziurtasuna
78.6%
Batez bestekoa
81.2%
Hematologia
Zuzenak
11
Okerrak
2
Erantzun gabeak
0
Ziurtasuna
84.6%
Batez bestekoa
81.5%
Immunologia
Zuzenak
8
Okerrak
0
Erantzun gabeak
0
Ziurtasuna
100.0%
Batez bestekoa
89.1%
Kardiologia
Zuzenak
16
Okerrak
2
Erantzun gabeak
3
Ziurtasuna
76.2%
Batez bestekoa
79.7%
Medikuntza Legala eta Bioetika
Zuzenak
2
Okerrak
0
Erantzun gabeak
0
Ziurtasuna
100.0%
Batez bestekoa
91.7%
Nefrologia
Zuzenak
11
Okerrak
2
Erantzun gabeak
0
Ziurtasuna
84.6%
Batez bestekoa
80.8%
Neurologia
Zuzenak
19
Okerrak
0
Erantzun gabeak
3
Ziurtasuna
86.4%
Batez bestekoa
83.7%
Oftalmologia
Zuzenak
3
Okerrak
0
Erantzun gabeak
2
Ziurtasuna
60.0%
Batez bestekoa
80.0%
Onkologia Medikoa
Zuzenak
16
Okerrak
3
Erantzun gabeak
2
Ziurtasuna
76.2%
Batez bestekoa
80.2%
ORL
Zuzenak
4
Okerrak
2
Erantzun gabeak
1
Ziurtasuna
57.1%
Batez bestekoa
74.4%
Osasun Plangintza eta Kudeaketa
Zuzenak
0
Okerrak
1
Erantzun gabeak
1
Ziurtasuna
0.0%
Batez bestekoa
73.2%
Pediatria
Zuzenak
11
Okerrak
3
Erantzun gabeak
3
Ziurtasuna
64.7%
Batez bestekoa
82.0%
Pneumologia
Zuzenak
15
Okerrak
2
Erantzun gabeak
2
Ziurtasuna
78.9%
Batez bestekoa
80.6%
Psikiatria
Zuzenak
10
Okerrak
0
Erantzun gabeak
0
Ziurtasuna
100.0%
Batez bestekoa
89.5%
Traumatologia
Zuzenak
10
Okerrak
3
Erantzun gabeak
2
Ziurtasuna
66.7%
Batez bestekoa
74.5%
Urologia
Zuzenak
4
Okerrak
1
Erantzun gabeak
1
Ziurtasuna
66.7%
Batez bestekoa
78.2%
Zainketa Aringarriak
Zuzenak
4
Okerrak
0
Erantzun gabeak
0
Ziurtasuna
100.0%
Batez bestekoa
88.2%

Galdera motaren araberako xehetasuna

Anatomia
Zuzenak
4
Okerrak
1
Erantzun gabeak
1
Ziurtasuna
66.7%
Batez bestekoa
79.8%
Arriskua
Zuzenak
11
Okerrak
2
Erantzun gabeak
0
Ziurtasuna
84.6%
Batez bestekoa
83.6%
Biostatistika
Zuzenak
4
Okerrak
0
Erantzun gabeak
1
Ziurtasuna
80.0%
Batez bestekoa
90.7%
Diagnostikoa
Zuzenak
51
Okerrak
16
Erantzun gabeak
6
Ziurtasuna
69.9%
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
22
Okerrak
1
Erantzun gabeak
2
Ziurtasuna
88.0%
Batez bestekoa
84.0%
Fisiopatologia
Zuzenak
29
Okerrak
2
Erantzun gabeak
2
Ziurtasuna
87.9%
Batez bestekoa
85.4%
Interpretazioa
Zuzenak
19
Okerrak
9
Erantzun gabeak
9
Ziurtasuna
51.4%
Batez bestekoa
69.6%
Prebentzioa
Zuzenak
9
Okerrak
1
Erantzun gabeak
2
Ziurtasuna
75.0%
Batez bestekoa
89.8%
Probak
Zuzenak
15
Okerrak
2
Erantzun gabeak
4
Ziurtasuna
71.4%
Batez bestekoa
73.9%
Pronostikoa
Zuzenak
6
Okerrak
0
Erantzun gabeak
1
Ziurtasuna
85.7%
Batez bestekoa
83.9%
Tratamendua
Zuzenak
53
Okerrak
9
Erantzun gabeak
9
Ziurtasuna
74.6%
Batez bestekoa
81.3%
#ErantzunaZuzenaEgoera
1AB
2CD
3AB
4BC
5C
6B
7DD
8CC
9CA
10BD
11D
12AA
13C
14BA
15B
16AA
17CC
18AA
19B
20CC
21DD
22B
23AA
24DA
25BC
26BB
27CC
28AA
29BB
30CC
31DD
32AA
33CC
34DB
35DD
36DD
37AA
38AA
39CC
40BB
41CC
42DD
43AA
44DD
45DD
46BB
47CC
48CC
49BB
50CC
51AA
52DD
53CC
54BB
55CC
56DD
57DA
58AA
59AA
60A
61A
62DD
63CD
64BBaliogabetua
65DD
66CC
67BB
68BBaliogabetua
69AA
70BB
71BB
72D
73B
74CC
75B
76AA
77CD
78DC
79B
80AA
81CC
82CC
83BB
84CC
85AA
86AA
87BB
88DD
89BB
90AA
91DD
92AA
93CC
94BB
95DD
96BB
97BB
98BB
99AA
100BB
101AA
102DD
103BB
104DD
105CB
106CC
107CC
108BB
109DD
110CD
111BB
112CC
113DBaliogabetua
114BD
115DD
116A
117DD
118DD
119AA
120CC
121AA
122BB
123DD
124DD
125BB
126DD
127AA
128BB
129DD
130CC
131CC
132D
133BA
134BC
135AA
136DD
137AA
138BC
139A
140CC
141BB
142CC
143BA
144DD
145CC
146BC
147CC
148AA
149CC
150DD
151AA
152AA
153CC
154BB
155DD
156CC
157CC
158DD
159DD
160B
161BB
162BB
163BB
164CB
165AA
166CC
167AA
168B
169BC
170CA
171CD
172BB
173BA
174BB
175AA
176CC
177CC
178BB
179CC
180BBaliogabetua
181BB
182DD
183CC
184AA
185CC
186DD
187AA
188CC
189CD
190DD
191CB
192B
193CC
194CC
195CC
196BB
197AA
198BB
199D
200AA
201BB
202DD
203BB
204BD
205BD
206BBaliogabetua
207DA
208AA
209DB
210DD