MedicalBenchmark
OpenAI: GPT-3.5 Turbo Instruct provider

GPT-3.5 Turbo Instruct

258

#258 291 modeloetatikMIR 2024

Puntuazio garbia

71.00 pts

Ziurtasuna

51.0%

Zuzenak / Okerrak

102 / 93

Kostu osoa

$0.30

Errendimendu Orokorra

(vs. batez bestekoa)
Ziurtasuna

51.0%

avg: 80.5%

Puntuazio garbia

71.00 pts

avg: 150.85 pts

Zuzenak

102

avg: 161

Okerrak

93

avg: 30

Kostu osoa

$0.30

avg: $3.32

Batez besteko erantzun-denbora

3.6s

avg: 16.4s

Irteerako tokenak

78K

avg: 427K

Arrazonamendu tokenak

0

avg: 310K

Batez besteko konfiantza

97.8%

avg: 95.4%

Irakasgaien araberako xehetasuna

Alergologia
Zuzenak
2
Okerrak
1
Erantzun gabeak
0
Ziurtasuna
66.7%
Batez bestekoa
90.5%
Anestesiologia eta Bizkortzea
Zuzenak
4
Okerrak
0
Erantzun gabeak
0
Ziurtasuna
100.0%
Batez bestekoa
87.1%
Dermatologia
Zuzenak
9
Okerrak
4
Erantzun gabeak
1
Ziurtasuna
64.3%
Batez bestekoa
80.2%
Endokrinologia eta Nutrizioa
Zuzenak
9
Okerrak
9
Erantzun gabeak
1
Ziurtasuna
47.4%
Batez bestekoa
84.2%
Epidemiologia
Zuzenak
5
Okerrak
2
Erantzun gabeak
1
Ziurtasuna
62.5%
Batez bestekoa
89.3%
Erradiologia-Larrialdiak
Zuzenak
7
Okerrak
7
Erantzun gabeak
0
Ziurtasuna
50.0%
Batez bestekoa
64.9%
Erreumatologia
Zuzenak
5
Okerrak
8
Erantzun gabeak
1
Ziurtasuna
35.7%
Batez bestekoa
81.4%
Estatistika
Zuzenak
2
Okerrak
0
Erantzun gabeak
1
Ziurtasuna
66.7%
Batez bestekoa
91.1%
Farmakologia
Zuzenak
17
Okerrak
6
Erantzun gabeak
0
Ziurtasuna
73.9%
Batez bestekoa
85.4%
Gaixotasun Infekziosoak
Zuzenak
14
Okerrak
9
Erantzun gabeak
0
Ziurtasuna
60.9%
Batez bestekoa
81.8%
Gastroenterologia
Zuzenak
9
Okerrak
12
Erantzun gabeak
1
Ziurtasuna
40.9%
Batez bestekoa
70.5%
Genetika
Zuzenak
4
Okerrak
2
Erantzun gabeak
1
Ziurtasuna
57.1%
Batez bestekoa
86.5%
Geriatria
Zuzenak
4
Okerrak
6
Erantzun gabeak
0
Ziurtasuna
40.0%
Batez bestekoa
86.9%
Ginekologia eta Obstetrizia
Zuzenak
8
Okerrak
6
Erantzun gabeak
0
Ziurtasuna
57.1%
Batez bestekoa
81.2%
Hematologia
Zuzenak
6
Okerrak
7
Erantzun gabeak
0
Ziurtasuna
46.2%
Batez bestekoa
81.5%
Immunologia
Zuzenak
4
Okerrak
3
Erantzun gabeak
1
Ziurtasuna
50.0%
Batez bestekoa
89.1%
Kardiologia
Zuzenak
11
Okerrak
10
Erantzun gabeak
0
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
4
Okerrak
8
Erantzun gabeak
1
Ziurtasuna
30.8%
Batez bestekoa
80.8%
Neurologia
Zuzenak
10
Okerrak
12
Erantzun gabeak
0
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
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
10
Okerrak
7
Erantzun gabeak
0
Ziurtasuna
58.8%
Batez bestekoa
82.0%
Pneumologia
Zuzenak
11
Okerrak
7
Erantzun gabeak
1
Ziurtasuna
57.9%
Batez bestekoa
80.6%
Psikiatria
Zuzenak
8
Okerrak
2
Erantzun gabeak
0
Ziurtasuna
80.0%
Batez bestekoa
89.5%
Traumatologia
Zuzenak
4
Okerrak
11
Erantzun gabeak
0
Ziurtasuna
26.7%
Batez bestekoa
74.5%
Urologia
Zuzenak
2
Okerrak
4
Erantzun gabeak
0
Ziurtasuna
33.3%
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
2
Okerrak
4
Erantzun gabeak
0
Ziurtasuna
33.3%
Batez bestekoa
79.8%
Arriskua
Zuzenak
8
Okerrak
5
Erantzun gabeak
0
Ziurtasuna
61.5%
Batez bestekoa
83.6%
Biostatistika
Zuzenak
3
Okerrak
1
Erantzun gabeak
1
Ziurtasuna
60.0%
Batez bestekoa
90.7%
Diagnostikoa
Zuzenak
34
Okerrak
37
Erantzun gabeak
2
Ziurtasuna
46.6%
Batez bestekoa
79.2%
Epidemiologia
Zuzenak
7
Okerrak
5
Erantzun gabeak
0
Ziurtasuna
58.3%
Batez bestekoa
81.2%
Etika
Zuzenak
1
Okerrak
0
Erantzun gabeak
0
Ziurtasuna
100.0%
Batez bestekoa
94.5%
Farmakologia
Zuzenak
16
Okerrak
9
Erantzun gabeak
0
Ziurtasuna
64.0%
Batez bestekoa
84.0%
Fisiopatologia
Zuzenak
17
Okerrak
13
Erantzun gabeak
3
Ziurtasuna
51.5%
Batez bestekoa
85.4%
Interpretazioa
Zuzenak
15
Okerrak
22
Erantzun gabeak
0
Ziurtasuna
40.5%
Batez bestekoa
69.6%
Prebentzioa
Zuzenak
9
Okerrak
3
Erantzun gabeak
0
Ziurtasuna
75.0%
Batez bestekoa
89.8%
Probak
Zuzenak
10
Okerrak
9
Erantzun gabeak
2
Ziurtasuna
47.6%
Batez bestekoa
73.9%
Pronostikoa
Zuzenak
4
Okerrak
3
Erantzun gabeak
0
Ziurtasuna
57.1%
Batez bestekoa
83.9%
Tratamendua
Zuzenak
35
Okerrak
36
Erantzun gabeak
0
Ziurtasuna
49.3%
Batez bestekoa
81.3%
#ErantzunaZuzenaEgoera
1BB
2CD
3DB
4CC
5CC
6DB
7DD
8CC
9BA
10DD
11CD
12BA
13CC
14BA
15DB
16DA
17CC
18BA
19BB
20CC
21BD
22DB
23AA
24CA
25AC
26BB
27AC
28DA
29AB
30DC
31DD
32BA
33CC
34AB
35DD
36BD
37DA
38A
39CC
40BB
41CC
42AD
43DA
44DD
45DD
46B
47CC
48CC
49BB
50BC
51AA
52BD
53CC
54BB
55CC
56BD
57CA
58DA
59AA
60CA
61AA
62DD
63DD
64BBaliogabetua
65DD
66CC
67DB
68BBaliogabetua
69AA
70BB
71AB
72DD
73DB
74CC
75BB
76DA
77DD
78DC
79DB
80AA
81CC
82CC
83DB
84CC
85AA
86AA
87DB
88DD
89BB
90AA
91DD
92CA
93CC
94DB
95CD
96BB
97DB
98DB
99BA
100BB
101AA
102BD
103DB
104CD
105BB
106BC
107CC
108DB
109DD
110AD
111BB
112CC
113BBaliogabetua
114BD
115DD
116AA
117DD
118DD
119CA
120DC
121AA
122AB
123AD
124DD
125BB
126DD
127CA
128B
129DD
130CC
131CC
132DD
133CA
134CC
135DA
136DD
137DA
138AC
139AA
140CC
141B
142BC
143AA
144AD
145AC
146BC
147CC
148BA
149BC
150DD
151AA
152AA
153CC
154AB
155CD
156CC
157DC
158BD
159DD
160AB
161BB
162DB
163BB
164DB
165CA
166AC
167CA
168BB
169CC
170CA
171CD
172BB
173BA
174DB
175AA
176DC
177BC
178BB
179CC
180DBaliogabetua
181DB
182DD
183AC
184CA
185CC
186DD
187AA
188CC
189CD
190DD
191BB
192DB
193DC
194AC
195AC
196BB
197DA
198BB
199CD
200AA
201BB
202DD
203CB
204D
205DD
206BBaliogabetua
207AA
208DA
209DB
210AD