MedicalBenchmark
Meta: Llama 3 8B Instruct provider

Llama 3 8B Instruct

272

#272 290 modeloetatikMIR 2025

Puntuazio garbia

38.33 pts

Ziurtasuna

36.0%

Zuzenak / Okerrak

72 / 101

Kostu osoa

$0.01

Errendimendu Orokorra

(vs. batez bestekoa)
Ziurtasuna

36.0%

avg: 75.9%

Puntuazio garbia

38.33 pts

avg: 138.99 pts

Zuzenak

72

avg: 152

Okerrak

101

avg: 38

Kostu osoa

$0.01

avg: $3.59

Batez besteko erantzun-denbora

10.7s

avg: 18.1s

Irteerako tokenak

139K

avg: 443K

Arrazonamendu tokenak

0

avg: 320K

Batez besteko konfiantza

86.7%

avg: 94.7%

Irakasgaien araberako xehetasuna

Alergologia
Zuzenak
1
Okerrak
2
Erantzun gabeak
1
Ziurtasuna
25.0%
Batez bestekoa
86.9%
Anestesiologia eta Bizkortzea
Zuzenak
3
Okerrak
3
Erantzun gabeak
0
Ziurtasuna
50.0%
Batez bestekoa
81.3%
Dermatologia
Zuzenak
5
Okerrak
7
Erantzun gabeak
1
Ziurtasuna
38.5%
Batez bestekoa
62.8%
Endokrinologia eta Nutrizioa
Zuzenak
11
Okerrak
5
Erantzun gabeak
0
Ziurtasuna
68.8%
Batez bestekoa
82.5%
Epidemiologia
Zuzenak
1
Okerrak
4
Erantzun gabeak
2
Ziurtasuna
14.3%
Batez bestekoa
67.1%
Erradiologia-Larrialdiak
Zuzenak
3
Okerrak
9
Erantzun gabeak
2
Ziurtasuna
21.4%
Batez bestekoa
67.9%
Erreumatologia
Zuzenak
5
Okerrak
8
Erantzun gabeak
1
Ziurtasuna
35.7%
Batez bestekoa
74.6%
Estatistika
Zuzenak
0
Okerrak
1
Erantzun gabeak
2
Ziurtasuna
0.0%
Batez bestekoa
74.9%
Farmakologia
Zuzenak
7
Okerrak
9
Erantzun gabeak
1
Ziurtasuna
41.2%
Batez bestekoa
73.1%
Gaixotasun Infekziosoak
Zuzenak
12
Okerrak
11
Erantzun gabeak
5
Ziurtasuna
42.9%
Batez bestekoa
71.1%
Gastroenterologia
Zuzenak
6
Okerrak
10
Erantzun gabeak
5
Ziurtasuna
28.6%
Batez bestekoa
72.9%
Genetika
Zuzenak
3
Okerrak
3
Erantzun gabeak
0
Ziurtasuna
50.0%
Batez bestekoa
68.2%
Geriatria
Zuzenak
4
Okerrak
7
Erantzun gabeak
0
Ziurtasuna
36.4%
Batez bestekoa
71.2%
Ginekologia eta Obstetrizia
Zuzenak
9
Okerrak
7
Erantzun gabeak
3
Ziurtasuna
47.4%
Batez bestekoa
85.9%
Hematologia
Zuzenak
9
Okerrak
2
Erantzun gabeak
0
Ziurtasuna
81.8%
Batez bestekoa
81.8%
Immunologia
Zuzenak
3
Okerrak
4
Erantzun gabeak
2
Ziurtasuna
33.3%
Batez bestekoa
82.5%
Kardiologia
Zuzenak
8
Okerrak
12
Erantzun gabeak
2
Ziurtasuna
36.4%
Batez bestekoa
77.4%
Medikuntza Legala eta Bioetika
Zuzenak
1
Okerrak
4
Erantzun gabeak
0
Ziurtasuna
20.0%
Batez bestekoa
67.2%
Nefrologia
Zuzenak
9
Okerrak
5
Erantzun gabeak
1
Ziurtasuna
60.0%
Batez bestekoa
78.2%
Neurologia
Zuzenak
7
Okerrak
9
Erantzun gabeak
4
Ziurtasuna
35.0%
Batez bestekoa
76.2%
Oftalmologia
Zuzenak
1
Okerrak
2
Erantzun gabeak
2
Ziurtasuna
20.0%
Batez bestekoa
72.6%
Onkologia Medikoa
Zuzenak
10
Okerrak
12
Erantzun gabeak
3
Ziurtasuna
40.0%
Batez bestekoa
86.3%
ORL
Zuzenak
3
Okerrak
3
Erantzun gabeak
2
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
9
Okerrak
13
Erantzun gabeak
3
Ziurtasuna
36.0%
Batez bestekoa
72.7%
Pneumologia
Zuzenak
2
Okerrak
10
Erantzun gabeak
2
Ziurtasuna
14.3%
Batez bestekoa
73.0%
Psikiatria
Zuzenak
3
Okerrak
3
Erantzun gabeak
2
Ziurtasuna
37.5%
Batez bestekoa
82.0%
Traumatologia
Zuzenak
5
Okerrak
11
Erantzun gabeak
2
Ziurtasuna
27.8%
Batez bestekoa
78.2%
Urologia
Zuzenak
4
Okerrak
2
Erantzun gabeak
1
Ziurtasuna
57.1%
Batez bestekoa
79.5%
Zainketa Aringarriak
Zuzenak
0
Okerrak
4
Erantzun gabeak
0
Ziurtasuna
0.0%
Batez bestekoa
77.2%

Galdera motaren araberako xehetasuna

Anatomia
Zuzenak
3
Okerrak
2
Erantzun gabeak
2
Ziurtasuna
42.9%
Batez bestekoa
77.1%
Arriskua
Zuzenak
3
Okerrak
2
Erantzun gabeak
0
Ziurtasuna
60.0%
Batez bestekoa
84.3%
Biostatistika
Zuzenak
1
Okerrak
1
Erantzun gabeak
2
Ziurtasuna
25.0%
Batez bestekoa
78.4%
Diagnostikoa
Zuzenak
34
Okerrak
43
Erantzun gabeak
12
Ziurtasuna
38.2%
Batez bestekoa
77.9%
Epidemiologia
Zuzenak
1
Okerrak
2
Erantzun gabeak
2
Ziurtasuna
20.0%
Batez bestekoa
75.0%
Etika
Zuzenak
1
Okerrak
2
Erantzun gabeak
0
Ziurtasuna
33.3%
Batez bestekoa
72.0%
Farmakologia
Zuzenak
6
Okerrak
5
Erantzun gabeak
2
Ziurtasuna
46.2%
Batez bestekoa
82.4%
Fisiopatologia
Zuzenak
9
Okerrak
14
Erantzun gabeak
4
Ziurtasuna
33.3%
Batez bestekoa
72.6%
Interpretazioa
Zuzenak
9
Okerrak
26
Erantzun gabeak
7
Ziurtasuna
21.4%
Batez bestekoa
69.3%
Legala
Zuzenak
1
Okerrak
3
Erantzun gabeak
0
Ziurtasuna
25.0%
Batez bestekoa
63.6%
Prebentzioa
Zuzenak
5
Okerrak
5
Erantzun gabeak
2
Ziurtasuna
41.7%
Batez bestekoa
74.5%
Probak
Zuzenak
13
Okerrak
10
Erantzun gabeak
3
Ziurtasuna
50.0%
Batez bestekoa
76.3%
Pronostikoa
Zuzenak
1
Okerrak
3
Erantzun gabeak
2
Ziurtasuna
16.7%
Batez bestekoa
77.8%
Tratamendua
Zuzenak
31
Okerrak
42
Erantzun gabeak
9
Ziurtasuna
37.8%
Batez bestekoa
75.2%
#ErantzunaZuzenaEgoera
1CB
2BA
3CC
4AB
5AA
6C
7DC
8CA
9A
10AD
11CD
12D
13AB
14D
15D
16CB
17AB
18CA
19CC
20DA
21CB
22CD
23AC
24D
25CC
26ABaliogabetua
27DC
28DBaliogabetua
29CD
30BB
31BD
32A
33DD
34AD
35B
36DD
37CC
38BC
39CD
40A
41D
42CC
43AB
44DD
45CD
46AA
47AA
48AA
49BD
50BB
51CC
52B
53D
54DB
55CA
56CBaliogabetua
57CC
58BB
59DD
60BA
61CA
62DD
63CB
64DD
65BA
66AA
67BB
68CB
69AB
70A
71AD
72CA
73D
74DC
75AA
76BB
77BB
78BB
79AC
80CC
81CC
82D
83B
84BD
85DC
86BC
87AA
88CD
89BB
90DA
91DB
92AC
93BB
94C
95DA
96DC
97AD
98AC
99CA
100BC
101CB
102BD
103BA
104CC
105CA
106DC
107BB
108CD
109AB
110AC
111BA
112AC
113BB
114AD
115BD
116BC
117AA
118DD
119C
120AB
121D
122CC
123CC
124BC
125AD
126BD
127AB
128DD
129BA
130DD
131BD
132AA
133BB
134CC
135DB
136CC
137AA
138AD
139D
140CB
141BA
142AA
143CB
144BB
145DD
146AC
147BB
148AA
149CA
150AA
151CA
152DA
153BB
154BB
155BB
156CC
157AA
158AC
159BC
160AA
161DA
162B
163DD
164CC
165AA
166BB
167CC
168D
169B
170AB
171CC
172BA
173BA
174BB
175DB
176CC
177CC
178BA
179BD
180CA
181DB
182BC
183DB
184BB
185CB
186ABaliogabetua
187DC
188DD
189BD
190BA
191CB
192A
193CC
194AA
195A
196AA
197CB
198C
199BD
200C
201B
202BA
203DD
204C
205BB
206CD
207AA
208BC
209CC
210DB