MedicalBenchmark
AllenAI: Olmo 3 7B Think provider

Olmo 3 7B Think

259

#259 290 modeloetatikMIR 2025

Puntuazio garbia

62.66 pts

Ziurtasuna

48.0%

Zuzenak / Okerrak

96 / 100

Kostu osoa

$0.14

Errendimendu Orokorra

(vs. batez bestekoa)
Ziurtasuna

48.0%

avg: 75.9%

Puntuazio garbia

62.66 pts

avg: 138.99 pts

Zuzenak

96

avg: 152

Okerrak

100

avg: 38

Kostu osoa

$0.14

avg: $3.59

Batez besteko erantzun-denbora

15.2s

avg: 18.1s

Irteerako tokenak

610K

avg: 443K

Arrazonamendu tokenak

544K

avg: 320K

Batez besteko konfiantza

96.9%

avg: 94.7%

Irakasgaien araberako xehetasuna

Alergologia
Zuzenak
1
Okerrak
3
Erantzun gabeak
0
Ziurtasuna
25.0%
Batez bestekoa
86.9%
Anestesiologia eta Bizkortzea
Zuzenak
1
Okerrak
5
Erantzun gabeak
0
Ziurtasuna
16.7%
Batez bestekoa
81.3%
Dermatologia
Zuzenak
6
Okerrak
7
Erantzun gabeak
0
Ziurtasuna
46.2%
Batez bestekoa
62.8%
Endokrinologia eta Nutrizioa
Zuzenak
10
Okerrak
5
Erantzun gabeak
1
Ziurtasuna
62.5%
Batez bestekoa
82.5%
Epidemiologia
Zuzenak
4
Okerrak
3
Erantzun gabeak
0
Ziurtasuna
57.1%
Batez bestekoa
67.1%
Erradiologia-Larrialdiak
Zuzenak
7
Okerrak
7
Erantzun gabeak
0
Ziurtasuna
50.0%
Batez bestekoa
67.9%
Erreumatologia
Zuzenak
5
Okerrak
9
Erantzun gabeak
0
Ziurtasuna
35.7%
Batez bestekoa
74.6%
Estatistika
Zuzenak
3
Okerrak
0
Erantzun gabeak
0
Ziurtasuna
100.0%
Batez bestekoa
74.9%
Farmakologia
Zuzenak
11
Okerrak
6
Erantzun gabeak
0
Ziurtasuna
64.7%
Batez bestekoa
73.1%
Gaixotasun Infekziosoak
Zuzenak
11
Okerrak
16
Erantzun gabeak
1
Ziurtasuna
39.3%
Batez bestekoa
71.1%
Gastroenterologia
Zuzenak
8
Okerrak
13
Erantzun gabeak
0
Ziurtasuna
38.1%
Batez bestekoa
72.9%
Genetika
Zuzenak
2
Okerrak
4
Erantzun gabeak
0
Ziurtasuna
33.3%
Batez bestekoa
68.2%
Geriatria
Zuzenak
5
Okerrak
6
Erantzun gabeak
0
Ziurtasuna
45.5%
Batez bestekoa
71.2%
Ginekologia eta Obstetrizia
Zuzenak
13
Okerrak
6
Erantzun gabeak
0
Ziurtasuna
68.4%
Batez bestekoa
85.9%
Hematologia
Zuzenak
9
Okerrak
2
Erantzun gabeak
0
Ziurtasuna
81.8%
Batez bestekoa
81.8%
Immunologia
Zuzenak
4
Okerrak
4
Erantzun gabeak
1
Ziurtasuna
44.4%
Batez bestekoa
82.5%
Kardiologia
Zuzenak
7
Okerrak
15
Erantzun gabeak
0
Ziurtasuna
31.8%
Batez bestekoa
77.4%
Medikuntza Legala eta Bioetika
Zuzenak
3
Okerrak
2
Erantzun gabeak
0
Ziurtasuna
60.0%
Batez bestekoa
67.2%
Nefrologia
Zuzenak
10
Okerrak
5
Erantzun gabeak
0
Ziurtasuna
66.7%
Batez bestekoa
78.2%
Neurologia
Zuzenak
11
Okerrak
8
Erantzun gabeak
1
Ziurtasuna
55.0%
Batez bestekoa
76.2%
Oftalmologia
Zuzenak
1
Okerrak
4
Erantzun gabeak
0
Ziurtasuna
20.0%
Batez bestekoa
72.6%
Onkologia Medikoa
Zuzenak
17
Okerrak
8
Erantzun gabeak
0
Ziurtasuna
68.0%
Batez bestekoa
86.3%
ORL
Zuzenak
3
Okerrak
5
Erantzun gabeak
0
Ziurtasuna
37.5%
Batez bestekoa
73.8%
Osasun Plangintza eta Kudeaketa
Zuzenak
1
Okerrak
1
Erantzun gabeak
0
Ziurtasuna
50.0%
Batez bestekoa
81.6%
Pediatria
Zuzenak
8
Okerrak
16
Erantzun gabeak
1
Ziurtasuna
32.0%
Batez bestekoa
72.7%
Pneumologia
Zuzenak
4
Okerrak
10
Erantzun gabeak
0
Ziurtasuna
28.6%
Batez bestekoa
73.0%
Psikiatria
Zuzenak
6
Okerrak
2
Erantzun gabeak
0
Ziurtasuna
75.0%
Batez bestekoa
82.0%
Traumatologia
Zuzenak
8
Okerrak
9
Erantzun gabeak
1
Ziurtasuna
44.4%
Batez bestekoa
78.2%
Urologia
Zuzenak
4
Okerrak
3
Erantzun gabeak
0
Ziurtasuna
57.1%
Batez bestekoa
79.5%
Zainketa Aringarriak
Zuzenak
1
Okerrak
3
Erantzun gabeak
0
Ziurtasuna
25.0%
Batez bestekoa
77.2%

Galdera motaren araberako xehetasuna

Anatomia
Zuzenak
3
Okerrak
3
Erantzun gabeak
1
Ziurtasuna
42.9%
Batez bestekoa
77.1%
Arriskua
Zuzenak
1
Okerrak
4
Erantzun gabeak
0
Ziurtasuna
20.0%
Batez bestekoa
84.3%
Biostatistika
Zuzenak
4
Okerrak
0
Erantzun gabeak
0
Ziurtasuna
100.0%
Batez bestekoa
78.4%
Diagnostikoa
Zuzenak
44
Okerrak
44
Erantzun gabeak
1
Ziurtasuna
49.4%
Batez bestekoa
77.9%
Epidemiologia
Zuzenak
2
Okerrak
3
Erantzun gabeak
0
Ziurtasuna
40.0%
Batez bestekoa
75.0%
Etika
Zuzenak
1
Okerrak
2
Erantzun gabeak
0
Ziurtasuna
33.3%
Batez bestekoa
72.0%
Farmakologia
Zuzenak
10
Okerrak
3
Erantzun gabeak
0
Ziurtasuna
76.9%
Batez bestekoa
82.4%
Fisiopatologia
Zuzenak
11
Okerrak
14
Erantzun gabeak
2
Ziurtasuna
40.7%
Batez bestekoa
72.6%
Interpretazioa
Zuzenak
18
Okerrak
23
Erantzun gabeak
1
Ziurtasuna
42.9%
Batez bestekoa
69.3%
Legala
Zuzenak
3
Okerrak
1
Erantzun gabeak
0
Ziurtasuna
75.0%
Batez bestekoa
63.6%
Prebentzioa
Zuzenak
5
Okerrak
7
Erantzun gabeak
0
Ziurtasuna
41.7%
Batez bestekoa
74.5%
Probak
Zuzenak
15
Okerrak
10
Erantzun gabeak
1
Ziurtasuna
57.7%
Batez bestekoa
76.3%
Pronostikoa
Zuzenak
2
Okerrak
4
Erantzun gabeak
0
Ziurtasuna
33.3%
Batez bestekoa
77.8%
Tratamendua
Zuzenak
40
Okerrak
41
Erantzun gabeak
1
Ziurtasuna
48.8%
Batez bestekoa
75.2%
#ErantzunaZuzenaEgoera
1BB
2AA
3DC
4DB
5AA
6CC
7BC
8CA
9CA
10AD
11DD
12CD
13AB
14BD
15C
16DB
17AB
18CA
19BC
20AA
21BB
22DD
23C
24BD
25CC
26DBaliogabetua
27BC
28DBaliogabetua
29BD
30BB
31DD
32AA
33DD
34AD
35BB
36BD
37DC
38BC
39DD
40AA
41DD
42CC
43DB
44DD
45DD
46AA
47AA
48AA
49BD
50BB
51DC
52CB
53AD
54DB
55CA
56BBaliogabetua
57CC
58BB
59DD
60BA
61BA
62DD
63BB
64BD
65CA
66AA
67BB
68DB
69AB
70DA
71CD
72CA
73BD
74CC
75AA
76BB
77BB
78BB
79DC
80CC
81AC
82CD
83BB
84DD
85DC
86BC
87CA
88DD
89CB
90AA
91B
92DC
93BB
94AC
95AA
96DC
97DD
98DC
99BA
100BC
101AB
102DD
103AA
104BC
105AA
106CC
107CB
108BD
109BB
110CC
111BA
112BC
113AB
114AD
115BD
116CC
117AA
118CD
119CC
120DB
121AD
122AC
123CC
124BC
125BD
126DD
127BB
128DD
129BA
130DD
131DD
132AA
133AB
134CC
135CB
136DC
137AA
138DD
139DD
140BB
141AA
142AA
143BB
144BB
145DD
146CC
147DB
148DA
149CA
150DA
151AA
152AA
153B
154BB
155AB
156CC
157AA
158CC
159CC
160BA
161CA
162C
163CD
164CC
165AA
166BB
167AC
168BD
169CB
170AB
171DC
172BA
173DA
174CB
175CB
176AC
177CC
178BA
179DD
180AA
181BB
182BC
183DB
184BB
185DB
186DBaliogabetua
187CC
188DD
189BD
190AA
191AB
192BA
193CC
194CA
195AA
196AA
197BB
198BC
199DD
200CC
201B
202BA
203DD
204BC
205BB
206CD
207AA
208CC
209CC
210BB