MedicalBenchmark
AllenAI: Olmo 3.1 32B Think provider

Olmo 3.1 32B Think

246

#246 319 modeloetatikMIR 2025

Puntuazio garbia

127.66 pts

Ziurtasuna

70.5%

Zuzenak / Okerrak

141 / 40

Kostu osoa

$0.41

Errendimendu Orokorra

(vs. batez bestekoa)
Ziurtasuna

70.5%

avg: 77.9%

Puntuazio garbia

127.66 pts

avg: 143.96 pts

Zuzenak

141

avg: 156

Okerrak

40

avg: 35

Kostu osoa

$0.41

avg: $3.36

Batez besteko erantzun-denbora

54.7s

avg: 19.0s

Irteerako tokenak

787K

avg: 430K

Arrazonamendu tokenak

721K

avg: 306K

Batez besteko konfiantza

88.3%

avg: 95.2%

Irakasgaien araberako xehetasuna

Alergologia
Zuzenak
2
Okerrak
1
Erantzun gabeak
1
Ziurtasuna
50.0%
Batez bestekoa
87.9%
Anestesiologia eta Bizkortzea
Zuzenak
5
Okerrak
0
Erantzun gabeak
1
Ziurtasuna
83.3%
Batez bestekoa
82.3%
Dermatologia
Zuzenak
7
Okerrak
3
Erantzun gabeak
2
Ziurtasuna
58.3%
Batez bestekoa
69.4%
Endokrinologia eta Nutrizioa
Zuzenak
14
Okerrak
2
Erantzun gabeak
0
Ziurtasuna
87.5%
Batez bestekoa
83.5%
Epidemiologia
Zuzenak
5
Okerrak
2
Erantzun gabeak
0
Ziurtasuna
71.4%
Batez bestekoa
69.1%
Erradiologia-Larrialdiak
Zuzenak
7
Okerrak
5
Erantzun gabeak
2
Ziurtasuna
50.0%
Batez bestekoa
69.4%
Erreumatologia
Zuzenak
12
Okerrak
3
Erantzun gabeak
0
Ziurtasuna
80.0%
Batez bestekoa
76.6%
Estatistika
Zuzenak
3
Okerrak
0
Erantzun gabeak
0
Ziurtasuna
100.0%
Batez bestekoa
76.6%
Farmakologia
Zuzenak
11
Okerrak
4
Erantzun gabeak
2
Ziurtasuna
64.7%
Batez bestekoa
74.1%
Gaixotasun Infekziosoak
Zuzenak
16
Okerrak
10
Erantzun gabeak
1
Ziurtasuna
59.3%
Batez bestekoa
74.9%
Gastroenterologia
Zuzenak
15
Okerrak
6
Erantzun gabeak
0
Ziurtasuna
71.4%
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
18
Okerrak
0
Erantzun gabeak
1
Ziurtasuna
94.7%
Batez bestekoa
86.7%
Hematologia
Zuzenak
9
Okerrak
2
Erantzun gabeak
0
Ziurtasuna
81.8%
Batez bestekoa
82.7%
Immunologia
Zuzenak
8
Okerrak
1
Erantzun gabeak
0
Ziurtasuna
88.9%
Batez bestekoa
83.3%
Kardiologia
Zuzenak
12
Okerrak
6
Erantzun gabeak
4
Ziurtasuna
54.5%
Batez bestekoa
78.6%
Medikuntza Legala eta Bioetika
Zuzenak
3
Okerrak
1
Erantzun gabeak
1
Ziurtasuna
60.0%
Batez bestekoa
68.4%
Nefrologia
Zuzenak
11
Okerrak
3
Erantzun gabeak
0
Ziurtasuna
78.6%
Batez bestekoa
84.8%
Neurologia
Zuzenak
16
Okerrak
3
Erantzun gabeak
1
Ziurtasuna
80.0%
Batez bestekoa
77.3%
Oftalmologia
Zuzenak
3
Okerrak
0
Erantzun gabeak
2
Ziurtasuna
60.0%
Batez bestekoa
74.2%
Onkologia Medikoa
Zuzenak
20
Okerrak
3
Erantzun gabeak
2
Ziurtasuna
80.0%
Batez bestekoa
87.2%
ORL
Zuzenak
4
Okerrak
2
Erantzun gabeak
2
Ziurtasuna
50.0%
Batez bestekoa
74.8%
Osasun Plangintza eta Kudeaketa
Zuzenak
1
Okerrak
0
Erantzun gabeak
1
Ziurtasuna
50.0%
Batez bestekoa
82.6%
Pediatria
Zuzenak
15
Okerrak
9
Erantzun gabeak
2
Ziurtasuna
57.7%
Batez bestekoa
71.9%
Pneumologia
Zuzenak
9
Okerrak
2
Erantzun gabeak
3
Ziurtasuna
64.3%
Batez bestekoa
80.4%
Psikiatria
Zuzenak
7
Okerrak
1
Erantzun gabeak
0
Ziurtasuna
87.5%
Batez bestekoa
83.0%
Traumatologia
Zuzenak
12
Okerrak
3
Erantzun gabeak
3
Ziurtasuna
66.7%
Batez bestekoa
79.3%
Urologia
Zuzenak
4
Okerrak
1
Erantzun gabeak
2
Ziurtasuna
57.1%
Batez bestekoa
80.7%
Zainketa Aringarriak
Zuzenak
3
Okerrak
1
Erantzun gabeak
0
Ziurtasuna
75.0%
Batez bestekoa
78.6%

Galdera motaren araberako xehetasuna

Anatomia
Zuzenak
5
Okerrak
1
Erantzun gabeak
1
Ziurtasuna
71.4%
Batez bestekoa
78.6%
Arriskua
Zuzenak
4
Okerrak
1
Erantzun gabeak
0
Ziurtasuna
80.0%
Batez bestekoa
85.2%
Biostatistika
Zuzenak
4
Okerrak
0
Erantzun gabeak
0
Ziurtasuna
100.0%
Batez bestekoa
79.8%
Diagnostikoa
Zuzenak
60
Okerrak
18
Erantzun gabeak
10
Ziurtasuna
68.2%
Batez bestekoa
79.9%
Epidemiologia
Zuzenak
4
Okerrak
1
Erantzun gabeak
0
Ziurtasuna
80.0%
Batez bestekoa
76.7%
Etika
Zuzenak
2
Okerrak
1
Erantzun gabeak
0
Ziurtasuna
66.7%
Batez bestekoa
74.1%
Farmakologia
Zuzenak
10
Okerrak
1
Erantzun gabeak
2
Ziurtasuna
76.9%
Batez bestekoa
83.3%
Fisiopatologia
Zuzenak
20
Okerrak
5
Erantzun gabeak
2
Ziurtasuna
74.1%
Batez bestekoa
76.1%
Interpretazioa
Zuzenak
25
Okerrak
9
Erantzun gabeak
8
Ziurtasuna
59.5%
Batez bestekoa
70.7%
Legala
Zuzenak
2
Okerrak
1
Erantzun gabeak
1
Ziurtasuna
50.0%
Batez bestekoa
64.6%
Prebentzioa
Zuzenak
10
Okerrak
2
Erantzun gabeak
0
Ziurtasuna
83.3%
Batez bestekoa
75.6%
Probak
Zuzenak
20
Okerrak
6
Erantzun gabeak
1
Ziurtasuna
74.1%
Batez bestekoa
77.9%
Pronostikoa
Zuzenak
5
Okerrak
1
Erantzun gabeak
1
Ziurtasuna
71.4%
Batez bestekoa
80.8%
Tratamendua
Zuzenak
56
Okerrak
17
Erantzun gabeak
8
Ziurtasuna
69.1%
Batez bestekoa
77.3%
#ErantzunaZuzenaEgoera
1BB
2A
3CC
4CB
5AA
6CC
7CC
8AA
9CA
10DD
11D
12D
13B
14BD
15BBaliogabetua
16B
17DB
18BA
19CC
20BA
21BB
22CD
23AC
24DD
25CC
26Baliogabetua
27BC
28ABaliogabetua
29DD
30BB
31DD
32AA
33DD
34DD
35BB
36DD
37DC
38CC
39CD
40AA
41DD
42CC
43BB
44DD
45DD
46A
47AA
48AA
49D
50B
51DC
52BB
53D
54BB
55A
56BBaliogabetua
57CC
58BB
59DD
60AA
61AA
62DD
63BB
64DD
65BA
66AA
67BB
68B
69AB
70AA
71CD
72AA
73CD
74CC
75AA
76BB
77BB
78BB
79CC
80CC
81CC
82DD
83BB
84D
85CC
86C
87AA
88DD
89BB
90CA
91BB
92CC
93BB
94CC
95AA
96CC
97DD
98CC
99A
100BC
101BB
102DD
103DA
104DC
105AA
106CC
107CB
108DD
109BB
110CC
111AA
112CC
113B
114DD
115AD
116CC
117AA
118DD
119CC
120BB
121BD
122CC
123CC
124CC
125DD
126BD
127AB
128DD
129AA
130DD
131DD
132AA
133BB
134CC
135BB
136DC
137AA
138DD
139DD
140AB
141AA
142AA
143BB
144BB
145BD
146CC
147BB
148AA
149DA
150DD
151AA
152BA
153BB
154BB
155BB
156CC
157AA
158CC
159CC
160AA
161DA
162Baliogabetua
163DD
164C
165DA
166BB
167AC
168BD
169CB
170BB
171CC
172BA
173AA
174BB
175BB
176CC
177BC
178AA
179DD
180AA
181B
182CC
183BB
184BB
185BB
186ABaliogabetua
187CC
188DD
189BD
190A
191BB
192AA
193CC
194AA
195AA
196AA
197BB
198CC
199DD
200CC
201CB
202AA
203D
204CC
205BB
206CD
207AA
208AC
209CC
210BB