MedicalBenchmark
Meta: Llama 3.2 11B Vision Instruct provider

Llama 3.2 11B Vision Instruct

304

#304 319 modeloetatikMIR 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
1B
2A
3DC
4AB
5A
6C
7C
8BA
9A
10D
11D
12D
13AB
14BD
15DBaliogabetua
16B
17B
18AA
19CC
20DA
21CB
22D
23AC
24BD
25CC
26Baliogabetua
27C
28CBaliogabetua
29D
30CB
31AD
32A
33D
34AD
35BB
36BD
37C
38C
39CD
40BA
41D
42C
43B
44D
45BD
46AA
47A
48AA
49D
50B
51DC
52B
53D
54DB
55A
56Baliogabetua
57C
58B
59D
60BA
61AA
62CD
63BB
64D
65A
66AA
67BB
68B
69B
70AA
71DD
72AA
73D
74C
75AA
76BB
77B
78B
79BC
80C
81C
82D
83BB
84BD
85C
86C
87A
88AD
89BB
90DA
91B
92C
93B
94C
95CA
96CC
97D
98C
99A
100C
101B
102D
103A
104CC
105A
106C
107B
108D
109B
110CC
111A
112BC
113AB
114DD
115CD
116C
117AA
118DD
119C
120BB
121D
122CC
123C
124AC
125BD
126D
127B
128DD
129BA
130D
131DD
132A
133B
134C
135B
136AC
137AA
138D
139DD
140CB
141AA
142A
143B
144B
145D
146C
147CB
148BA
149CA
150AD
151A
152AA
153B
154B
155B
156C
157AA
158CC
159DC
160A
161A
162BBaliogabetua
163DD
164C
165A
166B
167C
168D
169B
170B
171CC
172AA
173A
174BB
175AB
176C
177C
178BA
179D
180AA
181AB
182C
183DB
184B
185BB
186Baliogabetua
187C
188DD
189BD
190BA
191CB
192A
193CC
194A
195A
196AA
197B
198DC
199DD
200C
201CB
202A
203D
204CC
205BB
206DD
207A
208C
209CC
210B