MedicalBenchmark
Qwen2.5 Coder 32B Instruct provider

Qwen2.5 Coder 32B Instruct

249

#249 291 modeloetatikMIR 2024

Puntuazio garbia

92.33 pts

Ziurtasuna

56.5%

Zuzenak / Okerrak

113 / 62

Kostu osoa

$0.08

Errendimendu Orokorra

(vs. batez bestekoa)
Ziurtasuna

56.5%

avg: 80.5%

Puntuazio garbia

92.33 pts

avg: 150.85 pts

Zuzenak

113

avg: 161

Okerrak

62

avg: 30

Kostu osoa

$0.08

avg: $3.32

Batez besteko erantzun-denbora

15.1s

avg: 16.4s

Irteerako tokenak

121K

avg: 427K

Arrazonamendu tokenak

0

avg: 310K

Batez besteko konfiantza

85.8%

avg: 95.4%

Irakasgaien araberako xehetasuna

Alergologia
Zuzenak
2
Okerrak
0
Erantzun gabeak
1
Ziurtasuna
66.7%
Batez bestekoa
90.5%
Anestesiologia eta Bizkortzea
Zuzenak
3
Okerrak
1
Erantzun gabeak
0
Ziurtasuna
75.0%
Batez bestekoa
87.1%
Dermatologia
Zuzenak
8
Okerrak
6
Erantzun gabeak
0
Ziurtasuna
57.1%
Batez bestekoa
80.2%
Endokrinologia eta Nutrizioa
Zuzenak
9
Okerrak
6
Erantzun gabeak
4
Ziurtasuna
47.4%
Batez bestekoa
84.2%
Epidemiologia
Zuzenak
6
Okerrak
0
Erantzun gabeak
2
Ziurtasuna
75.0%
Batez bestekoa
89.3%
Erradiologia-Larrialdiak
Zuzenak
4
Okerrak
7
Erantzun gabeak
3
Ziurtasuna
28.6%
Batez bestekoa
64.9%
Erreumatologia
Zuzenak
8
Okerrak
5
Erantzun gabeak
1
Ziurtasuna
57.1%
Batez bestekoa
81.4%
Estatistika
Zuzenak
3
Okerrak
0
Erantzun gabeak
0
Ziurtasuna
100.0%
Batez bestekoa
91.1%
Farmakologia
Zuzenak
17
Okerrak
4
Erantzun gabeak
2
Ziurtasuna
73.9%
Batez bestekoa
85.4%
Gaixotasun Infekziosoak
Zuzenak
15
Okerrak
6
Erantzun gabeak
2
Ziurtasuna
65.2%
Batez bestekoa
81.8%
Gastroenterologia
Zuzenak
10
Okerrak
7
Erantzun gabeak
5
Ziurtasuna
45.5%
Batez bestekoa
70.5%
Genetika
Zuzenak
2
Okerrak
4
Erantzun gabeak
1
Ziurtasuna
28.6%
Batez bestekoa
86.5%
Geriatria
Zuzenak
7
Okerrak
1
Erantzun gabeak
2
Ziurtasuna
70.0%
Batez bestekoa
86.9%
Ginekologia eta Obstetrizia
Zuzenak
7
Okerrak
5
Erantzun gabeak
2
Ziurtasuna
50.0%
Batez bestekoa
81.2%
Hematologia
Zuzenak
7
Okerrak
3
Erantzun gabeak
3
Ziurtasuna
53.8%
Batez bestekoa
81.5%
Immunologia
Zuzenak
6
Okerrak
1
Erantzun gabeak
1
Ziurtasuna
75.0%
Batez bestekoa
89.1%
Kardiologia
Zuzenak
11
Okerrak
7
Erantzun gabeak
3
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
6
Okerrak
5
Erantzun gabeak
2
Ziurtasuna
46.2%
Batez bestekoa
80.8%
Neurologia
Zuzenak
17
Okerrak
4
Erantzun gabeak
1
Ziurtasuna
77.3%
Batez bestekoa
83.7%
Oftalmologia
Zuzenak
4
Okerrak
1
Erantzun gabeak
0
Ziurtasuna
80.0%
Batez bestekoa
80.0%
Onkologia Medikoa
Zuzenak
7
Okerrak
10
Erantzun gabeak
4
Ziurtasuna
33.3%
Batez bestekoa
80.2%
ORL
Zuzenak
4
Okerrak
3
Erantzun gabeak
0
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
10
Okerrak
7
Erantzun gabeak
0
Ziurtasuna
58.8%
Batez bestekoa
82.0%
Pneumologia
Zuzenak
11
Okerrak
5
Erantzun gabeak
3
Ziurtasuna
57.9%
Batez bestekoa
80.6%
Psikiatria
Zuzenak
7
Okerrak
2
Erantzun gabeak
1
Ziurtasuna
70.0%
Batez bestekoa
89.5%
Traumatologia
Zuzenak
8
Okerrak
4
Erantzun gabeak
3
Ziurtasuna
53.3%
Batez bestekoa
74.5%
Urologia
Zuzenak
1
Okerrak
4
Erantzun gabeak
1
Ziurtasuna
16.7%
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
2
Erantzun gabeak
0
Ziurtasuna
66.7%
Batez bestekoa
79.8%
Arriskua
Zuzenak
8
Okerrak
3
Erantzun gabeak
2
Ziurtasuna
61.5%
Batez bestekoa
83.6%
Biostatistika
Zuzenak
4
Okerrak
1
Erantzun gabeak
0
Ziurtasuna
80.0%
Batez bestekoa
90.7%
Diagnostikoa
Zuzenak
42
Okerrak
23
Erantzun gabeak
8
Ziurtasuna
57.5%
Batez bestekoa
79.2%
Epidemiologia
Zuzenak
8
Okerrak
1
Erantzun gabeak
3
Ziurtasuna
66.7%
Batez bestekoa
81.2%
Etika
Zuzenak
1
Okerrak
0
Erantzun gabeak
0
Ziurtasuna
100.0%
Batez bestekoa
94.5%
Farmakologia
Zuzenak
17
Okerrak
4
Erantzun gabeak
4
Ziurtasuna
68.0%
Batez bestekoa
84.0%
Fisiopatologia
Zuzenak
18
Okerrak
10
Erantzun gabeak
5
Ziurtasuna
54.5%
Batez bestekoa
85.4%
Interpretazioa
Zuzenak
18
Okerrak
16
Erantzun gabeak
3
Ziurtasuna
48.6%
Batez bestekoa
69.6%
Prebentzioa
Zuzenak
9
Okerrak
2
Erantzun gabeak
1
Ziurtasuna
75.0%
Batez bestekoa
89.8%
Probak
Zuzenak
6
Okerrak
13
Erantzun gabeak
2
Ziurtasuna
28.6%
Batez bestekoa
73.9%
Pronostikoa
Zuzenak
3
Okerrak
2
Erantzun gabeak
2
Ziurtasuna
42.9%
Batez bestekoa
83.9%
Tratamendua
Zuzenak
42
Okerrak
21
Erantzun gabeak
8
Ziurtasuna
59.2%
Batez bestekoa
81.3%
#ErantzunaZuzenaEgoera
1AB
2CD
3BB
4BC
5BC
6BB
7DD
8CC
9BA
10DD
11DD
12AA
13DC
14BA
15CB
16BA
17CC
18AA
19AB
20DC
21D
22BB
23AA
24CA
25DC
26BB
27AC
28AA
29BB
30DC
31AD
32A
33DC
34CB
35DD
36CD
37AA
38AA
39CC
40BB
41CC
42D
43AA
44DD
45DD
46BB
47CC
48CC
49BB
50CC
51A
52DD
53CC
54DB
55AC
56DD
57DA
58AA
59CA
60AA
61AA
62BD
63DD
64ABaliogabetua
65DD
66CC
67BB
68BBaliogabetua
69AA
70BB
71BB
72D
73DB
74CC
75BB
76AA
77DD
78CC
79DB
80AA
81CC
82CC
83BB
84CC
85AA
86AA
87DB
88DD
89CB
90AA
91DD
92AA
93BC
94BB
95DD
96BB
97B
98AB
99AA
100BB
101AA
102DD
103B
104DD
105DB
106AC
107CC
108BB
109DD
110CD
111CB
112CC
113DBaliogabetua
114DD
115DD
116DA
117DD
118DD
119CA
120CC
121AA
122BB
123DD
124DD
125CB
126DD
127AA
128CB
129DD
130CC
131BC
132DD
133A
134C
135A
136DD
137AA
138CC
139A
140CC
141BB
142C
143BA
144AD
145CC
146BC
147C
148BA
149AC
150CD
151A
152A
153DC
154B
155DD
156C
157CC
158D
159DD
160B
161BB
162BB
163DB
164DB
165CA
166C
167CA
168BB
169CC
170CA
171BD
172BB
173CA
174BB
175AA
176C
177C
178BB
179BC
180Baliogabetua
181BB
182DD
183CC
184AA
185CC
186DD
187AA
188BC
189AD
190DD
191B
192DB
193CC
194AC
195CC
196BB
197BA
198BB
199DD
200BA
201B
202D
203AB
204CD
205BD
206CBaliogabetua
207DA
208AA
209B
210D