MedicalBenchmark
AllenAI: Olmo 3.1 32B Instruct provider

Olmo 3.1 32B Instruct

276

#276 319 modeloetatikMIR 2025

Puntuazio garbia

79.33 pts

Ziurtasuna

53.5%

Zuzenak / Okerrak

107 / 83

Kostu osoa

$0.12

Errendimendu Orokorra

(vs. batez bestekoa)
Ziurtasuna

53.5%

avg: 77.9%

Puntuazio garbia

79.33 pts

avg: 143.96 pts

Zuzenak

107

avg: 156

Okerrak

83

avg: 35

Kostu osoa

$0.12

avg: $3.36

Batez besteko erantzun-denbora

13.7s

avg: 19.0s

Irteerako tokenak

163K

avg: 430K

Arrazonamendu tokenak

0

avg: 306K

Batez besteko konfiantza

94.0%

avg: 95.2%

Irakasgaien araberako xehetasuna

Alergologia
Zuzenak
3
Okerrak
1
Erantzun gabeak
0
Ziurtasuna
75.0%
Batez bestekoa
87.9%
Anestesiologia eta Bizkortzea
Zuzenak
4
Okerrak
2
Erantzun gabeak
0
Ziurtasuna
66.7%
Batez bestekoa
82.3%
Dermatologia
Zuzenak
8
Okerrak
4
Erantzun gabeak
0
Ziurtasuna
66.7%
Batez bestekoa
69.4%
Endokrinologia eta Nutrizioa
Zuzenak
9
Okerrak
6
Erantzun gabeak
1
Ziurtasuna
56.3%
Batez bestekoa
83.5%
Epidemiologia
Zuzenak
3
Okerrak
4
Erantzun gabeak
0
Ziurtasuna
42.9%
Batez bestekoa
69.1%
Erradiologia-Larrialdiak
Zuzenak
7
Okerrak
5
Erantzun gabeak
2
Ziurtasuna
50.0%
Batez bestekoa
69.4%
Erreumatologia
Zuzenak
8
Okerrak
6
Erantzun gabeak
1
Ziurtasuna
53.3%
Batez bestekoa
76.6%
Estatistika
Zuzenak
2
Okerrak
1
Erantzun gabeak
0
Ziurtasuna
66.7%
Batez bestekoa
76.6%
Farmakologia
Zuzenak
10
Okerrak
6
Erantzun gabeak
1
Ziurtasuna
58.8%
Batez bestekoa
74.1%
Gaixotasun Infekziosoak
Zuzenak
17
Okerrak
10
Erantzun gabeak
0
Ziurtasuna
63.0%
Batez bestekoa
74.9%
Gastroenterologia
Zuzenak
11
Okerrak
7
Erantzun gabeak
3
Ziurtasuna
52.4%
Batez bestekoa
74.1%
Genetika
Zuzenak
5
Okerrak
1
Erantzun gabeak
0
Ziurtasuna
83.3%
Batez bestekoa
69.5%
Geriatria
Zuzenak
7
Okerrak
3
Erantzun gabeak
1
Ziurtasuna
63.6%
Batez bestekoa
77.5%
Ginekologia eta Obstetrizia
Zuzenak
11
Okerrak
7
Erantzun gabeak
1
Ziurtasuna
57.9%
Batez bestekoa
86.7%
Hematologia
Zuzenak
8
Okerrak
3
Erantzun gabeak
0
Ziurtasuna
72.7%
Batez bestekoa
82.7%
Immunologia
Zuzenak
6
Okerrak
3
Erantzun gabeak
0
Ziurtasuna
66.7%
Batez bestekoa
83.3%
Kardiologia
Zuzenak
11
Okerrak
11
Erantzun gabeak
0
Ziurtasuna
50.0%
Batez bestekoa
78.6%
Medikuntza Legala eta Bioetika
Zuzenak
2
Okerrak
3
Erantzun gabeak
0
Ziurtasuna
40.0%
Batez bestekoa
68.4%
Nefrologia
Zuzenak
7
Okerrak
7
Erantzun gabeak
0
Ziurtasuna
50.0%
Batez bestekoa
84.8%
Neurologia
Zuzenak
12
Okerrak
7
Erantzun gabeak
1
Ziurtasuna
60.0%
Batez bestekoa
77.3%
Oftalmologia
Zuzenak
3
Okerrak
2
Erantzun gabeak
0
Ziurtasuna
60.0%
Batez bestekoa
74.2%
Onkologia Medikoa
Zuzenak
18
Okerrak
7
Erantzun gabeak
0
Ziurtasuna
72.0%
Batez bestekoa
87.2%
ORL
Zuzenak
1
Okerrak
5
Erantzun gabeak
2
Ziurtasuna
12.5%
Batez bestekoa
74.8%
Osasun Plangintza eta Kudeaketa
Zuzenak
0
Okerrak
2
Erantzun gabeak
0
Ziurtasuna
0.0%
Batez bestekoa
82.6%
Pediatria
Zuzenak
13
Okerrak
11
Erantzun gabeak
2
Ziurtasuna
50.0%
Batez bestekoa
71.9%
Pneumologia
Zuzenak
7
Okerrak
6
Erantzun gabeak
1
Ziurtasuna
50.0%
Batez bestekoa
80.4%
Psikiatria
Zuzenak
4
Okerrak
4
Erantzun gabeak
0
Ziurtasuna
50.0%
Batez bestekoa
83.0%
Traumatologia
Zuzenak
9
Okerrak
6
Erantzun gabeak
3
Ziurtasuna
50.0%
Batez bestekoa
79.3%
Urologia
Zuzenak
3
Okerrak
4
Erantzun gabeak
0
Ziurtasuna
42.9%
Batez bestekoa
80.7%
Zainketa Aringarriak
Zuzenak
2
Okerrak
2
Erantzun gabeak
0
Ziurtasuna
50.0%
Batez bestekoa
78.6%

Galdera motaren araberako xehetasuna

Anatomia
Zuzenak
2
Okerrak
4
Erantzun gabeak
1
Ziurtasuna
28.6%
Batez bestekoa
78.6%
Arriskua
Zuzenak
1
Okerrak
4
Erantzun gabeak
0
Ziurtasuna
20.0%
Batez bestekoa
85.2%
Biostatistika
Zuzenak
2
Okerrak
2
Erantzun gabeak
0
Ziurtasuna
50.0%
Batez bestekoa
79.8%
Diagnostikoa
Zuzenak
50
Okerrak
31
Erantzun gabeak
7
Ziurtasuna
56.8%
Batez bestekoa
79.9%
Epidemiologia
Zuzenak
2
Okerrak
3
Erantzun gabeak
0
Ziurtasuna
40.0%
Batez bestekoa
76.7%
Etika
Zuzenak
1
Okerrak
2
Erantzun gabeak
0
Ziurtasuna
33.3%
Batez bestekoa
74.1%
Farmakologia
Zuzenak
11
Okerrak
2
Erantzun gabeak
0
Ziurtasuna
84.6%
Batez bestekoa
83.3%
Fisiopatologia
Zuzenak
12
Okerrak
14
Erantzun gabeak
1
Ziurtasuna
44.4%
Batez bestekoa
76.1%
Interpretazioa
Zuzenak
20
Okerrak
16
Erantzun gabeak
6
Ziurtasuna
47.6%
Batez bestekoa
70.7%
Legala
Zuzenak
1
Okerrak
3
Erantzun gabeak
0
Ziurtasuna
25.0%
Batez bestekoa
64.6%
Prebentzioa
Zuzenak
8
Okerrak
4
Erantzun gabeak
0
Ziurtasuna
66.7%
Batez bestekoa
75.6%
Probak
Zuzenak
16
Okerrak
11
Erantzun gabeak
0
Ziurtasuna
59.3%
Batez bestekoa
77.9%
Pronostikoa
Zuzenak
3
Okerrak
4
Erantzun gabeak
0
Ziurtasuna
42.9%
Batez bestekoa
80.8%
Tratamendua
Zuzenak
44
Okerrak
35
Erantzun gabeak
2
Ziurtasuna
54.3%
Batez bestekoa
77.3%
#ErantzunaZuzenaEgoera
1BB
2BA
3CC
4DB
5AA
6CC
7CC
8AA
9A
10BD
11D
12CD
13BB
14DD
15BBaliogabetua
16B
17B
18CA
19C
20BA
21BB
22CD
23CC
24D
25CC
26ABaliogabetua
27C
28DBaliogabetua
29DD
30DB
31AD
32DA
33DD
34CD
35BB
36AD
37CC
38CC
39DD
40BA
41DD
42BC
43CB
44DD
45DD
46AA
47AA
48DA
49D
50DB
51DC
52BB
53DD
54DB
55CA
56BBaliogabetua
57AC
58AB
59DD
60DA
61BA
62DD
63BB
64DD
65BA
66AA
67AB
68BB
69AB
70AA
71DD
72CA
73CD
74CC
75AA
76CB
77BB
78BB
79AC
80C
81CC
82AD
83AB
84BD
85DC
86AC
87AA
88DD
89BB
90AA
91CB
92DC
93BB
94CC
95DA
96CC
97CD
98BC
99AA
100CC
101CB
102CD
103BA
104BC
105CA
106CC
107BB
108DD
109AB
110CC
111AA
112AC
113AB
114DD
115AD
116BC
117AA
118DD
119CC
120BB
121CD
122CC
123CC
124CC
125CD
126DD
127BB
128DD
129AA
130DD
131BD
132DA
133AB
134DC
135DB
136CC
137CA
138AD
139DD
140DB
141AA
142AA
143BB
144BB
145BD
146CC
147DB
148AA
149A
150DD
151AA
152AA
153BB
154BB
155BB
156DC
157AA
158DC
159CC
160CA
161AA
162DBaliogabetua
163DD
164CC
165DA
166BB
167AC
168DD
169DB
170AB
171CC
172BA
173AA
174BB
175BB
176CC
177BC
178BA
179BD
180AA
181DB
182CC
183DB
184BB
185BB
186BBaliogabetua
187CC
188DD
189BD
190AA
191CB
192BA
193CC
194CA
195AA
196AA
197BB
198BC
199DD
200CC
201BB
202BA
203DD
204BC
205BB
206DD
207AA
208AC
209CC
210AB