MedicalBenchmark
Meta: Llama 3.1 8B Instruct provider

Llama 3.1 8B Instruct

290

#290 319 modeloetatikMIR 2025

Puntuazio garbia

53.00 pts

Ziurtasuna

39.5%

Zuzenak / Okerrak

79 / 78

Kostu osoa

$0.02

Errendimendu Orokorra

(vs. batez bestekoa)
Ziurtasuna

39.5%

avg: 77.9%

Puntuazio garbia

53.00 pts

avg: 143.96 pts

Zuzenak

79

avg: 156

Okerrak

78

avg: 35

Kostu osoa

$0.02

avg: $3.36

Batez besteko erantzun-denbora

20.8s

avg: 19.0s

Irteerako tokenak

234K

avg: 430K

Arrazonamendu tokenak

0

avg: 306K

Batez besteko konfiantza

77.5%

avg: 95.2%

Irakasgaien araberako xehetasuna

Alergologia
Zuzenak
1
Okerrak
3
Erantzun gabeak
0
Ziurtasuna
25.0%
Batez bestekoa
87.9%
Anestesiologia eta Bizkortzea
Zuzenak
1
Okerrak
5
Erantzun gabeak
0
Ziurtasuna
16.7%
Batez bestekoa
82.3%
Dermatologia
Zuzenak
9
Okerrak
2
Erantzun gabeak
1
Ziurtasuna
75.0%
Batez bestekoa
69.4%
Endokrinologia eta Nutrizioa
Zuzenak
6
Okerrak
8
Erantzun gabeak
2
Ziurtasuna
37.5%
Batez bestekoa
83.5%
Epidemiologia
Zuzenak
2
Okerrak
5
Erantzun gabeak
0
Ziurtasuna
28.6%
Batez bestekoa
69.1%
Erradiologia-Larrialdiak
Zuzenak
2
Okerrak
9
Erantzun gabeak
3
Ziurtasuna
14.3%
Batez bestekoa
69.4%
Erreumatologia
Zuzenak
7
Okerrak
6
Erantzun gabeak
2
Ziurtasuna
46.7%
Batez bestekoa
76.6%
Estatistika
Zuzenak
1
Okerrak
2
Erantzun gabeak
0
Ziurtasuna
33.3%
Batez bestekoa
76.6%
Farmakologia
Zuzenak
8
Okerrak
6
Erantzun gabeak
3
Ziurtasuna
47.1%
Batez bestekoa
74.1%
Gaixotasun Infekziosoak
Zuzenak
11
Okerrak
9
Erantzun gabeak
7
Ziurtasuna
40.7%
Batez bestekoa
74.9%
Gastroenterologia
Zuzenak
7
Okerrak
9
Erantzun gabeak
5
Ziurtasuna
33.3%
Batez bestekoa
74.1%
Genetika
Zuzenak
0
Okerrak
3
Erantzun gabeak
3
Ziurtasuna
0.0%
Batez bestekoa
69.5%
Geriatria
Zuzenak
7
Okerrak
3
Erantzun gabeak
1
Ziurtasuna
63.6%
Batez bestekoa
77.5%
Ginekologia eta Obstetrizia
Zuzenak
9
Okerrak
7
Erantzun gabeak
3
Ziurtasuna
47.4%
Batez bestekoa
86.7%
Hematologia
Zuzenak
5
Okerrak
2
Erantzun gabeak
4
Ziurtasuna
45.5%
Batez bestekoa
82.7%
Immunologia
Zuzenak
5
Okerrak
2
Erantzun gabeak
2
Ziurtasuna
55.6%
Batez bestekoa
83.3%
Kardiologia
Zuzenak
8
Okerrak
8
Erantzun gabeak
6
Ziurtasuna
36.4%
Batez bestekoa
78.6%
Medikuntza Legala eta Bioetika
Zuzenak
4
Okerrak
1
Erantzun gabeak
0
Ziurtasuna
80.0%
Batez bestekoa
68.4%
Nefrologia
Zuzenak
6
Okerrak
4
Erantzun gabeak
4
Ziurtasuna
42.9%
Batez bestekoa
84.8%
Neurologia
Zuzenak
8
Okerrak
6
Erantzun gabeak
6
Ziurtasuna
40.0%
Batez bestekoa
77.3%
Oftalmologia
Zuzenak
2
Okerrak
2
Erantzun gabeak
1
Ziurtasuna
40.0%
Batez bestekoa
74.2%
Onkologia Medikoa
Zuzenak
16
Okerrak
6
Erantzun gabeak
3
Ziurtasuna
64.0%
Batez bestekoa
87.2%
ORL
Zuzenak
4
Okerrak
1
Erantzun gabeak
3
Ziurtasuna
50.0%
Batez bestekoa
74.8%
Osasun Plangintza eta Kudeaketa
Zuzenak
1
Okerrak
1
Erantzun gabeak
0
Ziurtasuna
50.0%
Batez bestekoa
82.6%
Pediatria
Zuzenak
14
Okerrak
5
Erantzun gabeak
7
Ziurtasuna
53.8%
Batez bestekoa
71.9%
Pneumologia
Zuzenak
2
Okerrak
8
Erantzun gabeak
4
Ziurtasuna
14.3%
Batez bestekoa
80.4%
Psikiatria
Zuzenak
5
Okerrak
3
Erantzun gabeak
0
Ziurtasuna
62.5%
Batez bestekoa
83.0%
Traumatologia
Zuzenak
6
Okerrak
8
Erantzun gabeak
4
Ziurtasuna
33.3%
Batez bestekoa
79.3%
Urologia
Zuzenak
4
Okerrak
2
Erantzun gabeak
1
Ziurtasuna
57.1%
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
3
Okerrak
3
Erantzun gabeak
1
Ziurtasuna
42.9%
Batez bestekoa
78.6%
Arriskua
Zuzenak
2
Okerrak
2
Erantzun gabeak
1
Ziurtasuna
40.0%
Batez bestekoa
85.2%
Biostatistika
Zuzenak
2
Okerrak
2
Erantzun gabeak
0
Ziurtasuna
50.0%
Batez bestekoa
79.8%
Diagnostikoa
Zuzenak
32
Okerrak
35
Erantzun gabeak
21
Ziurtasuna
36.4%
Batez bestekoa
79.9%
Epidemiologia
Zuzenak
2
Okerrak
3
Erantzun gabeak
0
Ziurtasuna
40.0%
Batez bestekoa
76.7%
Etika
Zuzenak
2
Okerrak
1
Erantzun gabeak
0
Ziurtasuna
66.7%
Batez bestekoa
74.1%
Farmakologia
Zuzenak
7
Okerrak
6
Erantzun gabeak
0
Ziurtasuna
53.8%
Batez bestekoa
83.3%
Fisiopatologia
Zuzenak
9
Okerrak
9
Erantzun gabeak
9
Ziurtasuna
33.3%
Batez bestekoa
76.1%
Interpretazioa
Zuzenak
10
Okerrak
18
Erantzun gabeak
14
Ziurtasuna
23.8%
Batez bestekoa
70.7%
Legala
Zuzenak
3
Okerrak
1
Erantzun gabeak
0
Ziurtasuna
75.0%
Batez bestekoa
64.6%
Prebentzioa
Zuzenak
5
Okerrak
5
Erantzun gabeak
2
Ziurtasuna
41.7%
Batez bestekoa
75.6%
Probak
Zuzenak
8
Okerrak
15
Erantzun gabeak
4
Ziurtasuna
29.6%
Batez bestekoa
77.9%
Pronostikoa
Zuzenak
2
Okerrak
4
Erantzun gabeak
1
Ziurtasuna
28.6%
Batez bestekoa
80.8%
Tratamendua
Zuzenak
37
Okerrak
29
Erantzun gabeak
15
Ziurtasuna
45.7%
Batez bestekoa
77.3%
#ErantzunaZuzenaEgoera
1B
2A
3C
4B
5A
6C
7C
8AA
9CA
10D
11BD
12DD
13AB
14DD
15Baliogabetua
16CB
17B
18A
19CC
20BA
21B
22CD
23AC
24DD
25CC
26CBaliogabetua
27CC
28DBaliogabetua
29CD
30B
31D
32A
33D
34AD
35BB
36DD
37DC
38BC
39DD
40BA
41DD
42CC
43CB
44D
45BD
46AA
47AA
48DA
49DD
50BB
51DC
52CB
53DD
54DB
55AA
56Baliogabetua
57CC
58AB
59DD
60BA
61CA
62DD
63BB
64DD
65A
66A
67BB
68B
69CB
70AA
71DD
72CA
73DD
74DC
75AA
76BB
77BB
78BB
79C
80CC
81CC
82CD
83DB
84DD
85AC
86BC
87BA
88DD
89BB
90DA
91DB
92C
93BB
94DC
95BA
96CC
97AD
98C
99A
100C
101B
102CD
103BA
104CC
105AA
106DC
107BB
108D
109DB
110C
111BA
112CC
113AB
114D
115D
116C
117CA
118CD
119DC
120AB
121CD
122CC
123CC
124CC
125CD
126BD
127AB
128DD
129BA
130D
131D
132CA
133BB
134C
135CB
136CC
137CA
138DD
139DD
140CB
141AA
142AA
143BB
144BB
145BD
146C
147BB
148A
149CA
150D
151AA
152AA
153B
154AB
155BB
156CC
157BA
158DC
159AC
160A
161DA
162Baliogabetua
163DD
164C
165CA
166BB
167AC
168BD
169B
170AB
171BC
172A
173BA
174BB
175BB
176CC
177CC
178BA
179CD
180AA
181BB
182CC
183DB
184BB
185BB
186DBaliogabetua
187CC
188CD
189BD
190BA
191CB
192BA
193AC
194BA
195AA
196AA
197BB
198CC
199DD
200CC
201B
202A
203DD
204BC
205DB
206DD
207AA
208C
209CC
210B