MedicalBenchmark
Meta: Llama 3.2 11B Vision Instruct provider

Llama 3.2 11B Vision Instruct

304

#304 319 modeloetatik — MIR 2025

Puntuazio garbia

30.33 pts

Ziurtasuna

23.0%

Zuzenak / Okerrak

46 / 47

Kostu osoa

$0.04

Errendimendu Orokorra

(vs. batez bestekoa)
Ziurtasuna

23.0%

avg: 77.9%

Puntuazio garbia

30.33 pts

avg: 143.96 pts

Zuzenak

46

avg: 156

Okerrak

47

avg: 35

Kostu osoa

$0.04

avg: $3.36

Batez besteko erantzun-denbora

50.8s

avg: 19.0s

Irteerako tokenak

171K

avg: 430K

Arrazonamendu tokenak

0

avg: 306K

Batez besteko konfiantza

45.4%

avg: 95.2%

Irakasgaien araberako xehetasuna

Alergologia
Zuzenak
0
Okerrak
2
Erantzun gabeak
2
Ziurtasuna
0.0%
Batez bestekoa
87.9%
Anestesiologia eta Bizkortzea
Zuzenak
3
Okerrak
1
Erantzun gabeak
2
Ziurtasuna
50.0%
Batez bestekoa
82.3%
Dermatologia
Zuzenak
5
Okerrak
4
Erantzun gabeak
3
Ziurtasuna
41.7%
Batez bestekoa
69.4%
Endokrinologia eta Nutrizioa
Zuzenak
4
Okerrak
1
Erantzun gabeak
11
Ziurtasuna
25.0%
Batez bestekoa
83.5%
Epidemiologia
Zuzenak
0
Okerrak
2
Erantzun gabeak
5
Ziurtasuna
0.0%
Batez bestekoa
69.1%
Erradiologia-Larrialdiak
Zuzenak
4
Okerrak
4
Erantzun gabeak
6
Ziurtasuna
28.6%
Batez bestekoa
69.4%
Erreumatologia
Zuzenak
3
Okerrak
5
Erantzun gabeak
7
Ziurtasuna
20.0%
Batez bestekoa
76.6%
Estatistika
Zuzenak
0
Okerrak
2
Erantzun gabeak
1
Ziurtasuna
0.0%
Batez bestekoa
76.6%
Farmakologia
Zuzenak
9
Okerrak
2
Erantzun gabeak
6
Ziurtasuna
52.9%
Batez bestekoa
74.1%
Gaixotasun Infekziosoak
Zuzenak
8
Okerrak
5
Erantzun gabeak
14
Ziurtasuna
29.6%
Batez bestekoa
74.9%
Gastroenterologia
Zuzenak
8
Okerrak
4
Erantzun gabeak
9
Ziurtasuna
38.1%
Batez bestekoa
74.1%
Genetika
Zuzenak
0
Okerrak
2
Erantzun gabeak
4
Ziurtasuna
0.0%
Batez bestekoa
69.5%
Geriatria
Zuzenak
2
Okerrak
4
Erantzun gabeak
5
Ziurtasuna
18.2%
Batez bestekoa
77.5%
Ginekologia eta Obstetrizia
Zuzenak
5
Okerrak
4
Erantzun gabeak
10
Ziurtasuna
26.3%
Batez bestekoa
86.7%
Hematologia
Zuzenak
1
Okerrak
3
Erantzun gabeak
7
Ziurtasuna
9.1%
Batez bestekoa
82.7%
Immunologia
Zuzenak
3
Okerrak
2
Erantzun gabeak
4
Ziurtasuna
33.3%
Batez bestekoa
83.3%
Kardiologia
Zuzenak
1
Okerrak
4
Erantzun gabeak
17
Ziurtasuna
4.5%
Batez bestekoa
78.6%
Medikuntza Legala eta Bioetika
Zuzenak
1
Okerrak
2
Erantzun gabeak
2
Ziurtasuna
20.0%
Batez bestekoa
68.4%
Nefrologia
Zuzenak
3
Okerrak
3
Erantzun gabeak
8
Ziurtasuna
21.4%
Batez bestekoa
84.8%
Neurologia
Zuzenak
4
Okerrak
5
Erantzun gabeak
11
Ziurtasuna
20.0%
Batez bestekoa
77.3%
Oftalmologia
Zuzenak
0
Okerrak
1
Erantzun gabeak
4
Ziurtasuna
0.0%
Batez bestekoa
74.2%
Onkologia Medikoa
Zuzenak
4
Okerrak
7
Erantzun gabeak
14
Ziurtasuna
16.0%
Batez bestekoa
87.2%
ORL
Zuzenak
0
Okerrak
2
Erantzun gabeak
6
Ziurtasuna
0.0%
Batez bestekoa
74.8%
Osasun Plangintza eta Kudeaketa
Zuzenak
0
Okerrak
0
Erantzun gabeak
2
Ziurtasuna
0.0%
Batez bestekoa
82.6%
Pediatria
Zuzenak
7
Okerrak
6
Erantzun gabeak
13
Ziurtasuna
26.9%
Batez bestekoa
71.9%
Pneumologia
Zuzenak
4
Okerrak
5
Erantzun gabeak
5
Ziurtasuna
28.6%
Batez bestekoa
80.4%
Psikiatria
Zuzenak
4
Okerrak
0
Erantzun gabeak
4
Ziurtasuna
50.0%
Batez bestekoa
83.0%
Traumatologia
Zuzenak
2
Okerrak
5
Erantzun gabeak
11
Ziurtasuna
11.1%
Batez bestekoa
79.3%
Urologia
Zuzenak
1
Okerrak
2
Erantzun gabeak
4
Ziurtasuna
14.3%
Batez bestekoa
80.7%
Zainketa Aringarriak
Zuzenak
1
Okerrak
1
Erantzun gabeak
2
Ziurtasuna
25.0%
Batez bestekoa
78.6%

Galdera motaren araberako xehetasuna

Anatomia
Zuzenak
1
Okerrak
0
Erantzun gabeak
6
Ziurtasuna
14.3%
Batez bestekoa
78.6%
Arriskua
Zuzenak
1
Okerrak
2
Erantzun gabeak
2
Ziurtasuna
20.0%
Batez bestekoa
85.2%
Biostatistika
Zuzenak
0
Okerrak
2
Erantzun gabeak
2
Ziurtasuna
0.0%
Batez bestekoa
79.8%
Diagnostikoa
Zuzenak
19
Okerrak
22
Erantzun gabeak
47
Ziurtasuna
21.6%
Batez bestekoa
79.9%
Epidemiologia
Zuzenak
1
Okerrak
1
Erantzun gabeak
3
Ziurtasuna
20.0%
Batez bestekoa
76.7%
Etika
Zuzenak
0
Okerrak
1
Erantzun gabeak
2
Ziurtasuna
0.0%
Batez bestekoa
74.1%
Farmakologia
Zuzenak
8
Okerrak
0
Erantzun gabeak
5
Ziurtasuna
61.5%
Batez bestekoa
83.3%
Fisiopatologia
Zuzenak
4
Okerrak
10
Erantzun gabeak
13
Ziurtasuna
14.8%
Batez bestekoa
76.1%
Interpretazioa
Zuzenak
5
Okerrak
11
Erantzun gabeak
26
Ziurtasuna
11.9%
Batez bestekoa
70.7%
Legala
Zuzenak
1
Okerrak
2
Erantzun gabeak
1
Ziurtasuna
25.0%
Batez bestekoa
64.6%
Prebentzioa
Zuzenak
4
Okerrak
2
Erantzun gabeak
6
Ziurtasuna
33.3%
Batez bestekoa
75.6%
Probak
Zuzenak
6
Okerrak
8
Erantzun gabeak
13
Ziurtasuna
22.2%
Batez bestekoa
77.9%
Pronostikoa
Zuzenak
3
Okerrak
1
Erantzun gabeak
3
Ziurtasuna
42.9%
Batez bestekoa
80.8%
Tratamendua
Zuzenak
20
Okerrak
17
Erantzun gabeak
44
Ziurtasuna
24.7%
Batez bestekoa
77.3%
#ErantzunaZuzenaEgoera
1—B
2—A
3DC
4AB
5—A
6—C
7—C
8BA
9—A
10—D
11—D
12—D
13AB
14BD
15D—Baliogabetua
16—B
17—B
18AA
19CC
20DA
21CB
22—D
23AC
24BD
25CC
26——Baliogabetua
27—C
28C—Baliogabetua
29—D
30CB
31AD
32—A
33—D
34AD
35BB
36BD
37—C
38—C
39CD
40BA
41—D
42—C
43—B
44—D
45BD
46AA
47—A
48AA
49—D
50—B
51DC
52—B
53—D
54DB
55—A
56——Baliogabetua
57—C
58—B
59—D
60BA
61AA
62CD
63BB
64—D
65—A
66AA
67BB
68—B
69—B
70AA
71DD
72AA
73—D
74—C
75AA
76BB
77—B
78—B
79BC
80—C
81—C
82—D
83BB
84BD
85—C
86—C
87—A
88AD
89BB
90DA
91—B
92—C
93—B
94—C
95CA
96CC
97—D
98—C
99—A
100—C
101—B
102—D
103—A
104CC
105—A
106—C
107—B
108—D
109—B
110CC
111—A
112BC
113AB
114DD
115CD
116—C
117AA
118DD
119—C
120BB
121—D
122CC
123—C
124AC
125BD
126—D
127—B
128DD
129BA
130—D
131DD
132—A
133—B
134—C
135—B
136AC
137AA
138—D
139DD
140CB
141AA
142—A
143—B
144—B
145—D
146—C
147CB
148BA
149CA
150AD
151—A
152AA
153—B
154—B
155—B
156—C
157AA
158CC
159DC
160—A
161—A
162B—Baliogabetua
163DD
164—C
165—A
166—B
167—C
168—D
169—B
170—B
171CC
172AA
173—A
174BB
175AB
176—C
177—C
178BA
179—D
180AA
181AB
182—C
183DB
184—B
185BB
186——Baliogabetua
187—C
188DD
189BD
190BA
191CB
192—A
193CC
194—A
195—A
196AA
197—B
198DC
199DD
200—C
201CB
202—A
203—D
204CC
205BB
206DD
207—A
208—C
209CC
210—B