MedicalBenchmark
Meta: Llama 3 70B Instruct provider

Llama 3 70B Instruct

214

#214 291 modeloetatikMIR 2024

Puntuazio garbia

143.66 pts

Ziurtasuna

78.5%

Zuzenak / Okerrak

157 / 40

Kostu osoa

$0.10

Errendimendu Orokorra

(vs. batez bestekoa)
Ziurtasuna

78.5%

avg: 80.5%

Puntuazio garbia

143.66 pts

avg: 150.85 pts

Zuzenak

157

avg: 161

Okerrak

40

avg: 30

Kostu osoa

$0.10

avg: $3.32

Batez besteko erantzun-denbora

13.5s

avg: 16.4s

Irteerako tokenak

72K

avg: 427K

Arrazonamendu tokenak

0

avg: 310K

Batez besteko konfiantza

98.6%

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
11
Okerrak
3
Erantzun gabeak
0
Ziurtasuna
78.6%
Batez bestekoa
80.2%
Endokrinologia eta Nutrizioa
Zuzenak
15
Okerrak
3
Erantzun gabeak
1
Ziurtasuna
78.9%
Batez bestekoa
84.2%
Epidemiologia
Zuzenak
8
Okerrak
0
Erantzun gabeak
0
Ziurtasuna
100.0%
Batez bestekoa
89.3%
Erradiologia-Larrialdiak
Zuzenak
9
Okerrak
5
Erantzun gabeak
0
Ziurtasuna
64.3%
Batez bestekoa
64.9%
Erreumatologia
Zuzenak
10
Okerrak
4
Erantzun gabeak
0
Ziurtasuna
71.4%
Batez bestekoa
81.4%
Estatistika
Zuzenak
3
Okerrak
0
Erantzun gabeak
0
Ziurtasuna
100.0%
Batez bestekoa
91.1%
Farmakologia
Zuzenak
20
Okerrak
3
Erantzun gabeak
0
Ziurtasuna
87.0%
Batez bestekoa
85.4%
Gaixotasun Infekziosoak
Zuzenak
19
Okerrak
4
Erantzun gabeak
0
Ziurtasuna
82.6%
Batez bestekoa
81.8%
Gastroenterologia
Zuzenak
16
Okerrak
6
Erantzun gabeak
0
Ziurtasuna
72.7%
Batez bestekoa
70.5%
Genetika
Zuzenak
6
Okerrak
1
Erantzun gabeak
0
Ziurtasuna
85.7%
Batez bestekoa
86.5%
Geriatria
Zuzenak
7
Okerrak
3
Erantzun gabeak
0
Ziurtasuna
70.0%
Batez bestekoa
86.9%
Ginekologia eta Obstetrizia
Zuzenak
10
Okerrak
3
Erantzun gabeak
1
Ziurtasuna
71.4%
Batez bestekoa
81.2%
Hematologia
Zuzenak
8
Okerrak
4
Erantzun gabeak
1
Ziurtasuna
61.5%
Batez bestekoa
81.5%
Immunologia
Zuzenak
6
Okerrak
1
Erantzun gabeak
1
Ziurtasuna
75.0%
Batez bestekoa
89.1%
Kardiologia
Zuzenak
19
Okerrak
2
Erantzun gabeak
0
Ziurtasuna
90.5%
Batez bestekoa
79.7%
Medikuntza Legala eta Bioetika
Zuzenak
2
Okerrak
0
Erantzun gabeak
0
Ziurtasuna
100.0%
Batez bestekoa
91.7%
Nefrologia
Zuzenak
9
Okerrak
4
Erantzun gabeak
0
Ziurtasuna
69.2%
Batez bestekoa
80.8%
Neurologia
Zuzenak
20
Okerrak
2
Erantzun gabeak
0
Ziurtasuna
90.9%
Batez bestekoa
83.7%
Oftalmologia
Zuzenak
4
Okerrak
1
Erantzun gabeak
0
Ziurtasuna
80.0%
Batez bestekoa
80.0%
Onkologia Medikoa
Zuzenak
17
Okerrak
4
Erantzun gabeak
0
Ziurtasuna
81.0%
Batez bestekoa
80.2%
ORL
Zuzenak
6
Okerrak
1
Erantzun gabeak
0
Ziurtasuna
85.7%
Batez bestekoa
74.4%
Osasun Plangintza eta Kudeaketa
Zuzenak
1
Okerrak
0
Erantzun gabeak
1
Ziurtasuna
50.0%
Batez bestekoa
73.2%
Pediatria
Zuzenak
15
Okerrak
2
Erantzun gabeak
0
Ziurtasuna
88.2%
Batez bestekoa
82.0%
Pneumologia
Zuzenak
13
Okerrak
5
Erantzun gabeak
1
Ziurtasuna
68.4%
Batez bestekoa
80.6%
Psikiatria
Zuzenak
9
Okerrak
1
Erantzun gabeak
0
Ziurtasuna
90.0%
Batez bestekoa
89.5%
Traumatologia
Zuzenak
11
Okerrak
4
Erantzun gabeak
0
Ziurtasuna
73.3%
Batez bestekoa
74.5%
Urologia
Zuzenak
5
Okerrak
1
Erantzun gabeak
0
Ziurtasuna
83.3%
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
5
Okerrak
1
Erantzun gabeak
0
Ziurtasuna
83.3%
Batez bestekoa
79.8%
Arriskua
Zuzenak
10
Okerrak
3
Erantzun gabeak
0
Ziurtasuna
76.9%
Batez bestekoa
83.6%
Biostatistika
Zuzenak
4
Okerrak
0
Erantzun gabeak
1
Ziurtasuna
80.0%
Batez bestekoa
90.7%
Diagnostikoa
Zuzenak
61
Okerrak
12
Erantzun gabeak
0
Ziurtasuna
83.6%
Batez bestekoa
79.2%
Epidemiologia
Zuzenak
11
Okerrak
1
Erantzun gabeak
0
Ziurtasuna
91.7%
Batez bestekoa
81.2%
Etika
Zuzenak
1
Okerrak
0
Erantzun gabeak
0
Ziurtasuna
100.0%
Batez bestekoa
94.5%
Farmakologia
Zuzenak
20
Okerrak
5
Erantzun gabeak
0
Ziurtasuna
80.0%
Batez bestekoa
84.0%
Fisiopatologia
Zuzenak
27
Okerrak
4
Erantzun gabeak
2
Ziurtasuna
81.8%
Batez bestekoa
85.4%
Interpretazioa
Zuzenak
24
Okerrak
12
Erantzun gabeak
1
Ziurtasuna
64.9%
Batez bestekoa
69.6%
Prebentzioa
Zuzenak
11
Okerrak
0
Erantzun gabeak
1
Ziurtasuna
91.7%
Batez bestekoa
89.8%
Probak
Zuzenak
13
Okerrak
8
Erantzun gabeak
0
Ziurtasuna
61.9%
Batez bestekoa
73.9%
Pronostikoa
Zuzenak
6
Okerrak
1
Erantzun gabeak
0
Ziurtasuna
85.7%
Batez bestekoa
83.9%
Tratamendua
Zuzenak
53
Okerrak
18
Erantzun gabeak
0
Ziurtasuna
74.6%
Batez bestekoa
81.3%
#ErantzunaZuzenaEgoera
1BB
2CD
3DB
4CC
5DC
6BB
7DD
8CC
9BA
10DD
11DD
12AA
13CC
14DA
15BB
16BA
17CC
18AA
19BB
20CC
21DD
22BB
23AA
24CA
25AC
26BB
27DC
28DA
29BB
30CC
31DD
32AA
33CC
34DB
35DD
36DD
37AA
38A
39CC
40BB
41CC
42DD
43AA
44DD
45DD
46BB
47CC
48CC
49BB
50CC
51AA
52DD
53CC
54CB
55CC
56DD
57DA
58AA
59CA
60AA
61AA
62DD
63DD
64BBaliogabetua
65DD
66CC
67AB
68CBaliogabetua
69AA
70BB
71BB
72DD
73CB
74CC
75BB
76AA
77DD
78CC
79BB
80AA
81CC
82AC
83BB
84CC
85AA
86AA
87BB
88DD
89BB
90AA
91DD
92AA
93CC
94BB
95DD
96BB
97BB
98DB
99AA
100BB
101AA
102DD
103BB
104DD
105BB
106CC
107CC
108BB
109AD
110DD
111BB
112CC
113BBaliogabetua
114DD
115DD
116AA
117DD
118DD
119CA
120CC
121AA
122BB
123CD
124AD
125AB
126DD
127AA
128BB
129DD
130CC
131AC
132CD
133CA
134CC
135AA
136DD
137AA
138CC
139AA
140CC
141BB
142CC
143BA
144DD
145DC
146BC
147CC
148AA
149AC
150DD
151AA
152AA
153DC
154BB
155D
156CC
157CC
158DD
159DD
160CB
161BB
162AB
163BB
164DB
165AA
166CC
167DA
168BB
169DC
170AA
171DD
172BB
173DA
174BB
175AA
176CC
177CC
178BB
179CC
180BBaliogabetua
181AB
182DD
183CC
184CA
185CC
186DD
187AA
188CC
189BD
190DD
191BB
192B
193CC
194CC
195CC
196BB
197AA
198BB
199DD
200AA
201BB
202DD
203BB
204DD
205BD
206CBaliogabetua
207DA
208AA
209DB
210AD