MedicalBenchmark
Qwen: Qwen3 VL 8B Instruct provider

Qwen3 VL 8B Instruct

216

#216 291 modeloetatikMIR 2024

Puntuazio garbia

141.66 pts

Ziurtasuna

77.5%

Zuzenak / Okerrak

155 / 40

Kostu osoa

$0.19

Errendimendu Orokorra

(vs. batez bestekoa)
Ziurtasuna

77.5%

avg: 80.5%

Puntuazio garbia

141.66 pts

avg: 150.85 pts

Zuzenak

155

avg: 161

Okerrak

40

avg: 30

Kostu osoa

$0.19

avg: $3.32

Batez besteko erantzun-denbora

19.1s

avg: 16.4s

Irteerako tokenak

296K

avg: 427K

Arrazonamendu tokenak

0

avg: 310K

Batez besteko konfiantza

95.6%

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
4
Okerrak
0
Erantzun gabeak
0
Ziurtasuna
100.0%
Batez bestekoa
87.1%
Dermatologia
Zuzenak
11
Okerrak
3
Erantzun gabeak
0
Ziurtasuna
78.6%
Batez bestekoa
80.2%
Endokrinologia eta Nutrizioa
Zuzenak
14
Okerrak
4
Erantzun gabeak
1
Ziurtasuna
73.7%
Batez bestekoa
84.2%
Epidemiologia
Zuzenak
7
Okerrak
0
Erantzun gabeak
1
Ziurtasuna
87.5%
Batez bestekoa
89.3%
Erradiologia-Larrialdiak
Zuzenak
9
Okerrak
5
Erantzun gabeak
0
Ziurtasuna
64.3%
Batez bestekoa
64.9%
Erreumatologia
Zuzenak
11
Okerrak
2
Erantzun gabeak
1
Ziurtasuna
78.6%
Batez bestekoa
81.4%
Estatistika
Zuzenak
3
Okerrak
0
Erantzun gabeak
0
Ziurtasuna
100.0%
Batez bestekoa
91.1%
Farmakologia
Zuzenak
20
Okerrak
2
Erantzun gabeak
1
Ziurtasuna
87.0%
Batez bestekoa
85.4%
Gaixotasun Infekziosoak
Zuzenak
18
Okerrak
5
Erantzun gabeak
0
Ziurtasuna
78.3%
Batez bestekoa
81.8%
Gastroenterologia
Zuzenak
15
Okerrak
6
Erantzun gabeak
1
Ziurtasuna
68.2%
Batez bestekoa
70.5%
Genetika
Zuzenak
7
Okerrak
0
Erantzun gabeak
0
Ziurtasuna
100.0%
Batez bestekoa
86.5%
Geriatria
Zuzenak
10
Okerrak
0
Erantzun gabeak
0
Ziurtasuna
100.0%
Batez bestekoa
86.9%
Ginekologia eta Obstetrizia
Zuzenak
12
Okerrak
2
Erantzun gabeak
0
Ziurtasuna
85.7%
Batez bestekoa
81.2%
Hematologia
Zuzenak
10
Okerrak
2
Erantzun gabeak
1
Ziurtasuna
76.9%
Batez bestekoa
81.5%
Immunologia
Zuzenak
8
Okerrak
0
Erantzun gabeak
0
Ziurtasuna
100.0%
Batez bestekoa
89.1%
Kardiologia
Zuzenak
16
Okerrak
5
Erantzun gabeak
0
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
8
Okerrak
5
Erantzun gabeak
0
Ziurtasuna
61.5%
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
3
Erantzun gabeak
1
Ziurtasuna
81.0%
Batez bestekoa
80.2%
ORL
Zuzenak
3
Okerrak
4
Erantzun gabeak
0
Ziurtasuna
42.9%
Batez bestekoa
74.4%
Osasun Plangintza eta Kudeaketa
Zuzenak
1
Okerrak
1
Erantzun gabeak
0
Ziurtasuna
50.0%
Batez bestekoa
73.2%
Pediatria
Zuzenak
12
Okerrak
5
Erantzun gabeak
0
Ziurtasuna
70.6%
Batez bestekoa
82.0%
Pneumologia
Zuzenak
14
Okerrak
5
Erantzun gabeak
0
Ziurtasuna
73.7%
Batez bestekoa
80.6%
Psikiatria
Zuzenak
8
Okerrak
1
Erantzun gabeak
1
Ziurtasuna
80.0%
Batez bestekoa
89.5%
Traumatologia
Zuzenak
12
Okerrak
3
Erantzun gabeak
0
Ziurtasuna
80.0%
Batez bestekoa
74.5%
Urologia
Zuzenak
5
Okerrak
1
Erantzun gabeak
0
Ziurtasuna
83.3%
Batez bestekoa
78.2%
Zainketa Aringarriak
Zuzenak
3
Okerrak
0
Erantzun gabeak
1
Ziurtasuna
75.0%
Batez bestekoa
88.2%

Galdera motaren araberako xehetasuna

Anatomia
Zuzenak
6
Okerrak
0
Erantzun gabeak
0
Ziurtasuna
100.0%
Batez bestekoa
79.8%
Arriskua
Zuzenak
8
Okerrak
2
Erantzun gabeak
3
Ziurtasuna
61.5%
Batez bestekoa
83.6%
Biostatistika
Zuzenak
5
Okerrak
0
Erantzun gabeak
0
Ziurtasuna
100.0%
Batez bestekoa
90.7%
Diagnostikoa
Zuzenak
54
Okerrak
18
Erantzun gabeak
1
Ziurtasuna
74.0%
Batez bestekoa
79.2%
Epidemiologia
Zuzenak
8
Okerrak
2
Erantzun gabeak
2
Ziurtasuna
66.7%
Batez bestekoa
81.2%
Etika
Zuzenak
1
Okerrak
0
Erantzun gabeak
0
Ziurtasuna
100.0%
Batez bestekoa
94.5%
Farmakologia
Zuzenak
24
Okerrak
0
Erantzun gabeak
1
Ziurtasuna
96.0%
Batez bestekoa
84.0%
Fisiopatologia
Zuzenak
26
Okerrak
7
Erantzun gabeak
0
Ziurtasuna
78.8%
Batez bestekoa
85.4%
Interpretazioa
Zuzenak
24
Okerrak
12
Erantzun gabeak
1
Ziurtasuna
64.9%
Batez bestekoa
69.6%
Prebentzioa
Zuzenak
11
Okerrak
1
Erantzun gabeak
0
Ziurtasuna
91.7%
Batez bestekoa
89.8%
Probak
Zuzenak
16
Okerrak
5
Erantzun gabeak
0
Ziurtasuna
76.2%
Batez bestekoa
73.9%
Pronostikoa
Zuzenak
4
Okerrak
2
Erantzun gabeak
1
Ziurtasuna
57.1%
Batez bestekoa
83.9%
Tratamendua
Zuzenak
58
Okerrak
12
Erantzun gabeak
1
Ziurtasuna
81.7%
Batez bestekoa
81.3%
#ErantzunaZuzenaEgoera
1BB
2CD
3BB
4AC
5CC
6BB
7DD
8CC
9BA
10DD
11DD
12AA
13CC
14BA
15AB
16AA
17AC
18AA
19BB
20AC
21DD
22DB
23AA
24CA
25DC
26BB
27CC
28BA
29BB
30CC
31BD
32AA
33CC
34BB
35DD
36DD
37AA
38AA
39CC
40BB
41CC
42DD
43AA
44DD
45DD
46BB
47CC
48CC
49BB
50CC
51AA
52DD
53CC
54BB
55AC
56DD
57AA
58AA
59CA
60AA
61AA
62CD
63CD
64BBaliogabetua
65DD
66CC
67BB
68BBaliogabetua
69AA
70BB
71AB
72CD
73AB
74CC
75BB
76DA
77DD
78CC
79BB
80AA
81CC
82CC
83B
84CC
85AA
86AA
87DB
88DD
89BB
90AA
91DD
92AA
93BC
94BB
95DD
96BB
97BB
98BB
99AA
100BB
101AA
102DD
103BB
104DD
105BB
106BC
107BC
108B
109DD
110DD
111BB
112CC
113DBaliogabetua
114DD
115DD
116DA
117DD
118DD
119CA
120CC
121AA
122BB
123DD
124DD
125AB
126DD
127AA
128DB
129DD
130C
131AC
132DD
133BA
134BC
135AA
136DD
137AA
138CC
139AA
140CC
141BB
142CC
143BA
144AD
145CC
146BC
147CC
148AA
149AC
150DD
151AA
152AA
153CC
154BB
155DD
156CC
157CC
158DD
159DD
160BB
161BB
162BB
163BB
164DB
165A
166DC
167AA
168BB
169CC
170AA
171DD
172BB
173AA
174BB
175AA
176DC
177CC
178BB
179CC
180BBaliogabetua
181CB
182DD
183CC
184A
185CC
186DD
187AA
188CC
189AD
190DD
191BB
192BB
193CC
194CC
195CC
196BB
197AA
198BB
199DD
200AA
201BB
202DD
203BB
204DD
205DD
206BBaliogabetua
207DA
208AA
209AB
210AD