MedicalBenchmark
Meta: Llama 3 70B Instruct provider

Llama 3 70B Instruct

224

#224 290 modeloetatikMIR 2025

Puntuazio garbia

118.66 pts

Ziurtasuna

66.5%

Zuzenak / Okerrak

133 / 43

Kostu osoa

$0.09

Errendimendu Orokorra

(vs. batez bestekoa)
Ziurtasuna

66.5%

avg: 75.9%

Puntuazio garbia

118.66 pts

avg: 138.99 pts

Zuzenak

133

avg: 152

Okerrak

43

avg: 38

Kostu osoa

$0.09

avg: $3.59

Batez besteko erantzun-denbora

12.5s

avg: 18.1s

Irteerako tokenak

64K

avg: 443K

Arrazonamendu tokenak

0

avg: 320K

Batez besteko konfiantza

88.5%

avg: 94.7%

Irakasgaien araberako xehetasuna

Alergologia
Zuzenak
3
Okerrak
0
Erantzun gabeak
1
Ziurtasuna
75.0%
Batez bestekoa
86.9%
Anestesiologia eta Bizkortzea
Zuzenak
4
Okerrak
1
Erantzun gabeak
1
Ziurtasuna
66.7%
Batez bestekoa
81.3%
Dermatologia
Zuzenak
7
Okerrak
2
Erantzun gabeak
4
Ziurtasuna
53.8%
Batez bestekoa
62.8%
Endokrinologia eta Nutrizioa
Zuzenak
12
Okerrak
2
Erantzun gabeak
2
Ziurtasuna
75.0%
Batez bestekoa
82.5%
Epidemiologia
Zuzenak
2
Okerrak
4
Erantzun gabeak
1
Ziurtasuna
28.6%
Batez bestekoa
67.1%
Erradiologia-Larrialdiak
Zuzenak
8
Okerrak
4
Erantzun gabeak
2
Ziurtasuna
57.1%
Batez bestekoa
67.9%
Erreumatologia
Zuzenak
7
Okerrak
7
Erantzun gabeak
0
Ziurtasuna
50.0%
Batez bestekoa
74.6%
Estatistika
Zuzenak
0
Okerrak
2
Erantzun gabeak
1
Ziurtasuna
0.0%
Batez bestekoa
74.9%
Farmakologia
Zuzenak
14
Okerrak
2
Erantzun gabeak
1
Ziurtasuna
82.4%
Batez bestekoa
73.1%
Gaixotasun Infekziosoak
Zuzenak
17
Okerrak
8
Erantzun gabeak
3
Ziurtasuna
60.7%
Batez bestekoa
71.1%
Gastroenterologia
Zuzenak
12
Okerrak
8
Erantzun gabeak
1
Ziurtasuna
57.1%
Batez bestekoa
72.9%
Genetika
Zuzenak
4
Okerrak
2
Erantzun gabeak
0
Ziurtasuna
66.7%
Batez bestekoa
68.2%
Geriatria
Zuzenak
8
Okerrak
1
Erantzun gabeak
2
Ziurtasuna
72.7%
Batez bestekoa
71.2%
Ginekologia eta Obstetrizia
Zuzenak
17
Okerrak
0
Erantzun gabeak
2
Ziurtasuna
89.5%
Batez bestekoa
85.9%
Hematologia
Zuzenak
8
Okerrak
3
Erantzun gabeak
0
Ziurtasuna
72.7%
Batez bestekoa
81.8%
Immunologia
Zuzenak
7
Okerrak
2
Erantzun gabeak
0
Ziurtasuna
77.8%
Batez bestekoa
82.5%
Kardiologia
Zuzenak
18
Okerrak
1
Erantzun gabeak
3
Ziurtasuna
81.8%
Batez bestekoa
77.4%
Medikuntza Legala eta Bioetika
Zuzenak
2
Okerrak
1
Erantzun gabeak
2
Ziurtasuna
40.0%
Batez bestekoa
67.2%
Nefrologia
Zuzenak
12
Okerrak
3
Erantzun gabeak
0
Ziurtasuna
80.0%
Batez bestekoa
78.2%
Neurologia
Zuzenak
13
Okerrak
4
Erantzun gabeak
3
Ziurtasuna
65.0%
Batez bestekoa
76.2%
Oftalmologia
Zuzenak
2
Okerrak
2
Erantzun gabeak
1
Ziurtasuna
40.0%
Batez bestekoa
72.6%
Onkologia Medikoa
Zuzenak
20
Okerrak
2
Erantzun gabeak
3
Ziurtasuna
80.0%
Batez bestekoa
86.3%
ORL
Zuzenak
6
Okerrak
1
Erantzun gabeak
1
Ziurtasuna
75.0%
Batez bestekoa
73.8%
Osasun Plangintza eta Kudeaketa
Zuzenak
2
Okerrak
0
Erantzun gabeak
0
Ziurtasuna
100.0%
Batez bestekoa
81.6%
Pediatria
Zuzenak
16
Okerrak
6
Erantzun gabeak
3
Ziurtasuna
64.0%
Batez bestekoa
72.7%
Pneumologia
Zuzenak
9
Okerrak
3
Erantzun gabeak
2
Ziurtasuna
64.3%
Batez bestekoa
73.0%
Psikiatria
Zuzenak
6
Okerrak
2
Erantzun gabeak
0
Ziurtasuna
75.0%
Batez bestekoa
82.0%
Traumatologia
Zuzenak
10
Okerrak
6
Erantzun gabeak
2
Ziurtasuna
55.6%
Batez bestekoa
78.2%
Urologia
Zuzenak
4
Okerrak
1
Erantzun gabeak
2
Ziurtasuna
57.1%
Batez bestekoa
79.5%
Zainketa Aringarriak
Zuzenak
3
Okerrak
0
Erantzun gabeak
1
Ziurtasuna
75.0%
Batez bestekoa
77.2%

Galdera motaren araberako xehetasuna

Anatomia
Zuzenak
4
Okerrak
1
Erantzun gabeak
2
Ziurtasuna
57.1%
Batez bestekoa
77.1%
Arriskua
Zuzenak
5
Okerrak
0
Erantzun gabeak
0
Ziurtasuna
100.0%
Batez bestekoa
84.3%
Biostatistika
Zuzenak
1
Okerrak
2
Erantzun gabeak
1
Ziurtasuna
25.0%
Batez bestekoa
78.4%
Diagnostikoa
Zuzenak
62
Okerrak
19
Erantzun gabeak
8
Ziurtasuna
69.7%
Batez bestekoa
77.9%
Epidemiologia
Zuzenak
3
Okerrak
2
Erantzun gabeak
0
Ziurtasuna
60.0%
Batez bestekoa
75.0%
Etika
Zuzenak
1
Okerrak
0
Erantzun gabeak
2
Ziurtasuna
33.3%
Batez bestekoa
72.0%
Farmakologia
Zuzenak
11
Okerrak
1
Erantzun gabeak
1
Ziurtasuna
84.6%
Batez bestekoa
82.4%
Fisiopatologia
Zuzenak
20
Okerrak
6
Erantzun gabeak
1
Ziurtasuna
74.1%
Batez bestekoa
72.6%
Interpretazioa
Zuzenak
26
Okerrak
10
Erantzun gabeak
6
Ziurtasuna
61.9%
Batez bestekoa
69.3%
Legala
Zuzenak
2
Okerrak
1
Erantzun gabeak
1
Ziurtasuna
50.0%
Batez bestekoa
63.6%
Prebentzioa
Zuzenak
9
Okerrak
2
Erantzun gabeak
1
Ziurtasuna
75.0%
Batez bestekoa
74.5%
Probak
Zuzenak
15
Okerrak
6
Erantzun gabeak
5
Ziurtasuna
57.7%
Batez bestekoa
76.3%
Pronostikoa
Zuzenak
4
Okerrak
1
Erantzun gabeak
1
Ziurtasuna
66.7%
Batez bestekoa
77.8%
Tratamendua
Zuzenak
51
Okerrak
18
Erantzun gabeak
13
Ziurtasuna
62.2%
Batez bestekoa
75.2%
#ErantzunaZuzenaEgoera
1BB
2A
3CC
4B
5AA
6C
7CC
8CA
9CA
10DD
11DD
12DD
13BB
14DD
15B
16CB
17CB
18CA
19CC
20BA
21BB
22CD
23AC
24DD
25C
26Baliogabetua
27DC
28CBaliogabetua
29DD
30BB
31DD
32AA
33DD
34DD
35BB
36DD
37BC
38CC
39DD
40BA
41BD
42CC
43DB
44DD
45D
46AA
47A
48A
49DD
50B
51DC
52BB
53DD
54DB
55AA
56BBaliogabetua
57CC
58BB
59DD
60AA
61AA
62DD
63BB
64DD
65AA
66AA
67BB
68BB
69AB
70AA
71D
72CA
73CD
74CC
75AA
76BB
77BB
78BB
79AC
80CC
81CC
82CD
83BB
84DD
85AC
86CC
87CA
88AD
89BB
90A
91B
92BC
93BB
94CC
95AA
96CC
97DD
98CC
99AA
100CC
101BB
102DD
103AA
104CC
105AA
106CC
107BB
108DD
109BB
110CC
111AA
112CC
113B
114DD
115D
116CC
117A
118DD
119AC
120BB
121BD
122CC
123CC
124CC
125BD
126BD
127AB
128DD
129AA
130DD
131DD
132AA
133BB
134CC
135CB
136CC
137A
138D
139DD
140BB
141AA
142AA
143BB
144BB
145DD
146CC
147BB
148BA
149DA
150AA
151AA
152AA
153BB
154BB
155BB
156C
157AA
158CC
159BC
160AA
161AA
162
163DD
164CC
165DA
166CB
167CC
168BD
169CB
170BB
171CC
172BA
173AA
174BB
175BB
176AC
177CC
178A
179DD
180AA
181DB
182C
183B
184B
185BB
186DBaliogabetua
187CC
188DD
189DD
190AA
191BB
192AA
193CC
194AA
195AA
196AA
197BB
198C
199DD
200CC
201AB
202BA
203DD
204C
205BB
206CD
207A
208BC
209CC
210BB