MedicalBenchmark
Sao10K: Llama 3.1 70B Hanami x1 provider

Llama 3.1 70B Hanami x1

215

#215 291 modeloetatikMIR 2024

Puntuazio garbia

143.66 pts

Ziurtasuna

77.5%

Zuzenak / Okerrak

155 / 34

Kostu osoa

$0.63

Errendimendu Orokorra

(vs. batez bestekoa)
Ziurtasuna

77.5%

avg: 80.5%

Puntuazio garbia

143.66 pts

avg: 150.85 pts

Zuzenak

155

avg: 161

Okerrak

34

avg: 30

Kostu osoa

$0.63

avg: $3.32

Batez besteko erantzun-denbora

31.4s

avg: 16.4s

Irteerako tokenak

107K

avg: 427K

Arrazonamendu tokenak

0

avg: 310K

Batez besteko konfiantza

93.3%

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
10
Okerrak
3
Erantzun gabeak
1
Ziurtasuna
71.4%
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
6
Okerrak
5
Erantzun gabeak
3
Ziurtasuna
42.9%
Batez bestekoa
64.9%
Erreumatologia
Zuzenak
11
Okerrak
1
Erantzun gabeak
2
Ziurtasuna
78.6%
Batez bestekoa
81.4%
Estatistika
Zuzenak
3
Okerrak
0
Erantzun gabeak
0
Ziurtasuna
100.0%
Batez bestekoa
91.1%
Farmakologia
Zuzenak
21
Okerrak
2
Erantzun gabeak
0
Ziurtasuna
91.3%
Batez bestekoa
85.4%
Gaixotasun Infekziosoak
Zuzenak
18
Okerrak
4
Erantzun gabeak
1
Ziurtasuna
78.3%
Batez bestekoa
81.8%
Gastroenterologia
Zuzenak
14
Okerrak
7
Erantzun gabeak
1
Ziurtasuna
63.6%
Batez bestekoa
70.5%
Genetika
Zuzenak
6
Okerrak
0
Erantzun gabeak
1
Ziurtasuna
85.7%
Batez bestekoa
86.5%
Geriatria
Zuzenak
8
Okerrak
2
Erantzun gabeak
0
Ziurtasuna
80.0%
Batez bestekoa
86.9%
Ginekologia eta Obstetrizia
Zuzenak
10
Okerrak
2
Erantzun gabeak
2
Ziurtasuna
71.4%
Batez bestekoa
81.2%
Hematologia
Zuzenak
12
Okerrak
1
Erantzun gabeak
0
Ziurtasuna
92.3%
Batez bestekoa
81.5%
Immunologia
Zuzenak
7
Okerrak
0
Erantzun gabeak
1
Ziurtasuna
87.5%
Batez bestekoa
89.1%
Kardiologia
Zuzenak
19
Okerrak
2
Erantzun gabeak
0
Ziurtasuna
90.5%
Batez bestekoa
79.7%
Medikuntza Legala eta Bioetika
Zuzenak
1
Okerrak
1
Erantzun gabeak
0
Ziurtasuna
50.0%
Batez bestekoa
91.7%
Nefrologia
Zuzenak
13
Okerrak
0
Erantzun gabeak
0
Ziurtasuna
100.0%
Batez bestekoa
80.8%
Neurologia
Zuzenak
17
Okerrak
4
Erantzun gabeak
1
Ziurtasuna
77.3%
Batez bestekoa
83.7%
Oftalmologia
Zuzenak
3
Okerrak
2
Erantzun gabeak
0
Ziurtasuna
60.0%
Batez bestekoa
80.0%
Onkologia Medikoa
Zuzenak
16
Okerrak
2
Erantzun gabeak
3
Ziurtasuna
76.2%
Batez bestekoa
80.2%
ORL
Zuzenak
3
Okerrak
3
Erantzun gabeak
1
Ziurtasuna
42.9%
Batez bestekoa
74.4%
Osasun Plangintza eta Kudeaketa
Zuzenak
1
Okerrak
0
Erantzun gabeak
1
Ziurtasuna
50.0%
Batez bestekoa
73.2%
Pediatria
Zuzenak
12
Okerrak
5
Erantzun gabeak
0
Ziurtasuna
70.6%
Batez bestekoa
82.0%
Pneumologia
Zuzenak
18
Okerrak
1
Erantzun gabeak
0
Ziurtasuna
94.7%
Batez bestekoa
80.6%
Psikiatria
Zuzenak
10
Okerrak
0
Erantzun gabeak
0
Ziurtasuna
100.0%
Batez bestekoa
89.5%
Traumatologia
Zuzenak
8
Okerrak
4
Erantzun gabeak
3
Ziurtasuna
53.3%
Batez bestekoa
74.5%
Urologia
Zuzenak
5
Okerrak
1
Erantzun gabeak
0
Ziurtasuna
83.3%
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
5
Okerrak
1
Erantzun gabeak
0
Ziurtasuna
83.3%
Batez bestekoa
79.8%
Arriskua
Zuzenak
11
Okerrak
2
Erantzun gabeak
0
Ziurtasuna
84.6%
Batez bestekoa
83.6%
Biostatistika
Zuzenak
5
Okerrak
0
Erantzun gabeak
0
Ziurtasuna
100.0%
Batez bestekoa
90.7%
Diagnostikoa
Zuzenak
52
Okerrak
16
Erantzun gabeak
5
Ziurtasuna
71.2%
Batez bestekoa
79.2%
Epidemiologia
Zuzenak
10
Okerrak
1
Erantzun gabeak
1
Ziurtasuna
83.3%
Batez bestekoa
81.2%
Etika
Zuzenak
1
Okerrak
0
Erantzun gabeak
0
Ziurtasuna
100.0%
Batez bestekoa
94.5%
Farmakologia
Zuzenak
23
Okerrak
2
Erantzun gabeak
0
Ziurtasuna
92.0%
Batez bestekoa
84.0%
Fisiopatologia
Zuzenak
27
Okerrak
4
Erantzun gabeak
2
Ziurtasuna
81.8%
Batez bestekoa
85.4%
Interpretazioa
Zuzenak
21
Okerrak
11
Erantzun gabeak
5
Ziurtasuna
56.8%
Batez bestekoa
69.6%
Prebentzioa
Zuzenak
10
Okerrak
1
Erantzun gabeak
1
Ziurtasuna
83.3%
Batez bestekoa
89.8%
Probak
Zuzenak
15
Okerrak
5
Erantzun gabeak
1
Ziurtasuna
71.4%
Batez bestekoa
73.9%
Pronostikoa
Zuzenak
7
Okerrak
0
Erantzun gabeak
0
Ziurtasuna
100.0%
Batez bestekoa
83.9%
Tratamendua
Zuzenak
57
Okerrak
12
Erantzun gabeak
2
Ziurtasuna
80.3%
Batez bestekoa
81.3%
#ErantzunaZuzenaEgoera
1BB
2D
3DB
4CC
5C
6DB
7DD
8C
9BA
10DD
11AD
12AA
13DC
14BA
15AB
16BA
17CC
18AA
19BB
20AC
21DD
22B
23AA
24A
25CC
26BB
27DC
28AA
29BB
30CC
31DD
32AA
33CC
34BB
35DD
36DD
37AA
38A
39CC
40BB
41CC
42AD
43AA
44DD
45DD
46BB
47CC
48CC
49BB
50CC
51AA
52DD
53CC
54BB
55CC
56DD
57CA
58AA
59CA
60AA
61CA
62BD
63CD
64DBaliogabetua
65BD
66CC
67BB
68DBaliogabetua
69A
70BB
71AB
72DD
73CB
74CC
75BB
76AA
77CD
78AC
79BB
80AA
81CC
82CC
83BB
84CC
85AA
86AA
87BB
88DD
89BB
90AA
91DD
92AA
93BC
94BB
95DD
96BB
97BB
98DB
99AA
100B
101AA
102DD
103BB
104DD
105CB
106CC
107CC
108BB
109DD
110DD
111BB
112CC
113DBaliogabetua
114DD
115DD
116AA
117DD
118DD
119AA
120CC
121AA
122BB
123DD
124DD
125AB
126DD
127AA
128BB
129DD
130CC
131AC
132CD
133AA
134C
135AA
136DD
137AA
138CC
139AA
140CC
141BB
142CC
143AA
144DD
145CC
146BC
147CC
148AA
149CC
150DD
151AA
152AA
153AC
154BB
155DD
156CC
157CC
158DD
159DD
160CB
161BB
162BB
163BB
164BB
165BA
166CC
167AA
168BB
169CC
170CA
171DD
172BB
173AA
174BB
175AA
176CC
177CC
178BB
179CC
180DBaliogabetua
181BB
182DD
183CC
184AA
185CC
186BD
187AA
188CC
189DD
190DD
191B
192BB
193CC
194CC
195CC
196BB
197AA
198BB
199CD
200AA
201BB
202DD
203BB
204D
205D
206BBaliogabetua
207AA
208AA
209DB
210AD