MedicalBenchmark
Meta: Llama 3.2 11B Vision Instruct provider

Llama 3.2 11B Vision Instruct

302

#302 320 modeloetatik — MIR 2024

Puntuazio garbia

44.66 pts

Ziurtasuna

30.5%

Zuzenak / Okerrak

61 / 49

Kostu osoa

$0.04

Errendimendu Orokorra

(vs. batez bestekoa)
Ziurtasuna

30.5%

avg: 81.3%

Puntuazio garbia

44.66 pts

avg: 153.08 pts

Zuzenak

61

avg: 163

Okerrak

49

avg: 29

Kostu osoa

$0.04

avg: $3.09

Batez besteko erantzun-denbora

53.9s

avg: 17.7s

Irteerako tokenak

207K

avg: 414K

Arrazonamendu tokenak

0

avg: 296K

Batez besteko konfiantza

57.2%

avg: 95.7%

Irakasgaien araberako xehetasuna

Alergologia
Zuzenak
0
Okerrak
0
Erantzun gabeak
3
Ziurtasuna
0.0%
Batez bestekoa
90.8%
Anestesiologia eta Bizkortzea
Zuzenak
3
Okerrak
1
Erantzun gabeak
0
Ziurtasuna
75.0%
Batez bestekoa
87.7%
Dermatologia
Zuzenak
7
Okerrak
4
Erantzun gabeak
3
Ziurtasuna
50.0%
Batez bestekoa
81.0%
Endokrinologia eta Nutrizioa
Zuzenak
8
Okerrak
5
Erantzun gabeak
6
Ziurtasuna
42.1%
Batez bestekoa
85.1%
Epidemiologia
Zuzenak
3
Okerrak
2
Erantzun gabeak
3
Ziurtasuna
37.5%
Batez bestekoa
89.7%
Erradiologia-Larrialdiak
Zuzenak
4
Okerrak
6
Erantzun gabeak
4
Ziurtasuna
28.6%
Batez bestekoa
66.0%
Erreumatologia
Zuzenak
7
Okerrak
0
Erantzun gabeak
7
Ziurtasuna
50.0%
Batez bestekoa
82.4%
Estatistika
Zuzenak
1
Okerrak
1
Erantzun gabeak
1
Ziurtasuna
33.3%
Batez bestekoa
91.6%
Farmakologia
Zuzenak
9
Okerrak
7
Erantzun gabeak
7
Ziurtasuna
39.1%
Batez bestekoa
85.8%
Gaixotasun Infekziosoak
Zuzenak
6
Okerrak
7
Erantzun gabeak
10
Ziurtasuna
26.1%
Batez bestekoa
82.5%
Gastroenterologia
Zuzenak
3
Okerrak
5
Erantzun gabeak
14
Ziurtasuna
13.6%
Batez bestekoa
71.5%
Genetika
Zuzenak
3
Okerrak
1
Erantzun gabeak
3
Ziurtasuna
42.9%
Batez bestekoa
87.1%
Geriatria
Zuzenak
5
Okerrak
0
Erantzun gabeak
5
Ziurtasuna
50.0%
Batez bestekoa
87.7%
Ginekologia eta Obstetrizia
Zuzenak
2
Okerrak
5
Erantzun gabeak
7
Ziurtasuna
14.3%
Batez bestekoa
82.0%
Hematologia
Zuzenak
3
Okerrak
2
Erantzun gabeak
8
Ziurtasuna
23.1%
Batez bestekoa
82.4%
Immunologia
Zuzenak
3
Okerrak
2
Erantzun gabeak
3
Ziurtasuna
37.5%
Batez bestekoa
89.7%
Kardiologia
Zuzenak
6
Okerrak
5
Erantzun gabeak
10
Ziurtasuna
28.6%
Batez bestekoa
80.4%
Medikuntza Legala eta Bioetika
Zuzenak
1
Okerrak
0
Erantzun gabeak
1
Ziurtasuna
50.0%
Batez bestekoa
91.8%
Nefrologia
Zuzenak
4
Okerrak
2
Erantzun gabeak
7
Ziurtasuna
30.8%
Batez bestekoa
81.8%
Neurologia
Zuzenak
9
Okerrak
4
Erantzun gabeak
9
Ziurtasuna
40.9%
Batez bestekoa
84.5%
Oftalmologia
Zuzenak
3
Okerrak
0
Erantzun gabeak
2
Ziurtasuna
60.0%
Batez bestekoa
81.3%
Onkologia Medikoa
Zuzenak
4
Okerrak
7
Erantzun gabeak
10
Ziurtasuna
19.0%
Batez bestekoa
80.9%
ORL
Zuzenak
2
Okerrak
2
Erantzun gabeak
3
Ziurtasuna
28.6%
Batez bestekoa
75.1%
Osasun Plangintza eta Kudeaketa
Zuzenak
1
Okerrak
0
Erantzun gabeak
1
Ziurtasuna
50.0%
Batez bestekoa
75.1%
Pediatria
Zuzenak
1
Okerrak
7
Erantzun gabeak
9
Ziurtasuna
5.9%
Batez bestekoa
82.9%
Pneumologia
Zuzenak
4
Okerrak
0
Erantzun gabeak
15
Ziurtasuna
21.1%
Batez bestekoa
81.6%
Psikiatria
Zuzenak
5
Okerrak
1
Erantzun gabeak
4
Ziurtasuna
50.0%
Batez bestekoa
90.0%
Traumatologia
Zuzenak
2
Okerrak
4
Erantzun gabeak
9
Ziurtasuna
13.3%
Batez bestekoa
75.4%
Urologia
Zuzenak
0
Okerrak
3
Erantzun gabeak
3
Ziurtasuna
0.0%
Batez bestekoa
79.0%
Zainketa Aringarriak
Zuzenak
0
Okerrak
0
Erantzun gabeak
4
Ziurtasuna
0.0%
Batez bestekoa
88.6%

Galdera motaren araberako xehetasuna

Anatomia
Zuzenak
2
Okerrak
1
Erantzun gabeak
3
Ziurtasuna
33.3%
Batez bestekoa
81.1%
Arriskua
Zuzenak
5
Okerrak
1
Erantzun gabeak
7
Ziurtasuna
38.5%
Batez bestekoa
84.5%
Biostatistika
Zuzenak
3
Okerrak
1
Erantzun gabeak
1
Ziurtasuna
60.0%
Batez bestekoa
91.3%
Diagnostikoa
Zuzenak
24
Okerrak
17
Erantzun gabeak
32
Ziurtasuna
32.9%
Batez bestekoa
80.0%
Epidemiologia
Zuzenak
3
Okerrak
3
Erantzun gabeak
6
Ziurtasuna
25.0%
Batez bestekoa
82.1%
Etika
Zuzenak
0
Okerrak
0
Erantzun gabeak
1
Ziurtasuna
0.0%
Batez bestekoa
94.0%
Farmakologia
Zuzenak
9
Okerrak
5
Erantzun gabeak
11
Ziurtasuna
36.0%
Batez bestekoa
84.7%
Fisiopatologia
Zuzenak
11
Okerrak
9
Erantzun gabeak
13
Ziurtasuna
33.3%
Batez bestekoa
86.1%
Interpretazioa
Zuzenak
12
Okerrak
12
Erantzun gabeak
13
Ziurtasuna
32.4%
Batez bestekoa
70.5%
Prebentzioa
Zuzenak
6
Okerrak
1
Erantzun gabeak
5
Ziurtasuna
50.0%
Batez bestekoa
90.3%
Probak
Zuzenak
5
Okerrak
8
Erantzun gabeak
8
Ziurtasuna
23.8%
Batez bestekoa
75.0%
Pronostikoa
Zuzenak
2
Okerrak
2
Erantzun gabeak
3
Ziurtasuna
28.6%
Batez bestekoa
84.6%
Tratamendua
Zuzenak
17
Okerrak
19
Erantzun gabeak
35
Ziurtasuna
23.9%
Batez bestekoa
82.1%
#ErantzunaZuzenaEgoera
1BB
2—D
3BB
4AC
5BC
6BB
7DD
8CC
9CA
10—D
11AD
12BA
13BC
14—A
15BB
16BA
17CC
18—A
19AB
20CC
21AD
22—B
23AA
24DA
25CC
26—B
27DC
28—A
29—B
30—C
31DD
32—A
33—C
34CB
35DD
36DD
37CA
38DA
39—C
40—B
41BC
42—D
43AA
44AD
45—D
46BB
47CC
48CC
49CB
50CC
51CA
52DD
53BC
54BB
55AC
56—D
57CA
58—A
59—A
60AA
61—A
62—D
63DD
64B—Baliogabetua
65—D
66—C
67—B
68B—Baliogabetua
69AA
70CB
71CB
72DD
73CB
74—C
75—B
76—A
77BD
78DC
79CB
80AA
81DC
82CC
83—B
84CC
85—A
86—A
87DB
88—D
89BB
90AA
91—D
92DA
93—C
94—B
95CD
96BB
97—B
98—B
99BA
100—B
101—A
102DD
103—B
104CD
105—B
106BC
107CC
108BB
109—D
110—D
111BB
112—C
113——Baliogabetua
114DD
115DD
116—A
117CD
118—D
119—A
120—C
121—A
122—B
123—D
124—D
125BB
126—D
127—A
128—B
129DD
130—C
131AC
132—D
133—A
134—C
135DA
136—D
137—A
138—C
139AA
140CC
141—B
142CC
143—A
144—D
145—C
146—C
147DC
148—A
149—C
150—D
151—A
152—A
153BC
154BB
155—D
156CC
157CC
158DD
159—D
160—B
161BB
162—B
163—B
164DB
165CA
166CC
167—A
168BB
169CC
170CA
171CD
172BB
173—A
174—B
175AA
176CC
177—C
178—B
179CC
180——Baliogabetua
181—B
182—D
183—C
184—A
185—C
186DD
187DA
188—C
189BD
190DD
191—B
192BB
193CC
194AC
195CC
196—B
197DA
198—B
199CD
200AA
201BB
202—D
203CB
204DD
205AD
206——Baliogabetua
207—A
208BA
209AB
210AD