MedicalBenchmark
Meta: Llama 3.2 3B Instruct provider

Llama 3.2 3B Instruct

277

#277 290 modeloetatikMIR 2025

Puntuazio garbia

27.66 pts

Ziurtasuna

31.5%

Zuzenak / Okerrak

63 / 106

Kostu osoa

$0.01

Errendimendu Orokorra

(vs. batez bestekoa)
Ziurtasuna

31.5%

avg: 75.9%

Puntuazio garbia

27.66 pts

avg: 138.99 pts

Zuzenak

63

avg: 152

Okerrak

106

avg: 38

Kostu osoa

$0.01

avg: $3.59

Batez besteko erantzun-denbora

19.5s

avg: 18.1s

Irteerako tokenak

113K

avg: 443K

Arrazonamendu tokenak

0

avg: 320K

Batez besteko konfiantza

82.5%

avg: 94.7%

Irakasgaien araberako xehetasuna

Alergologia
Zuzenak
1
Okerrak
3
Erantzun gabeak
0
Ziurtasuna
25.0%
Batez bestekoa
86.9%
Anestesiologia eta Bizkortzea
Zuzenak
1
Okerrak
3
Erantzun gabeak
2
Ziurtasuna
16.7%
Batez bestekoa
81.3%
Dermatologia
Zuzenak
4
Okerrak
7
Erantzun gabeak
2
Ziurtasuna
30.8%
Batez bestekoa
62.8%
Endokrinologia eta Nutrizioa
Zuzenak
9
Okerrak
4
Erantzun gabeak
3
Ziurtasuna
56.3%
Batez bestekoa
82.5%
Epidemiologia
Zuzenak
2
Okerrak
4
Erantzun gabeak
1
Ziurtasuna
28.6%
Batez bestekoa
67.1%
Erradiologia-Larrialdiak
Zuzenak
2
Okerrak
11
Erantzun gabeak
1
Ziurtasuna
14.3%
Batez bestekoa
67.9%
Erreumatologia
Zuzenak
6
Okerrak
7
Erantzun gabeak
1
Ziurtasuna
42.9%
Batez bestekoa
74.6%
Estatistika
Zuzenak
0
Okerrak
2
Erantzun gabeak
1
Ziurtasuna
0.0%
Batez bestekoa
74.9%
Farmakologia
Zuzenak
6
Okerrak
9
Erantzun gabeak
2
Ziurtasuna
35.3%
Batez bestekoa
73.1%
Gaixotasun Infekziosoak
Zuzenak
11
Okerrak
12
Erantzun gabeak
5
Ziurtasuna
39.3%
Batez bestekoa
71.1%
Gastroenterologia
Zuzenak
3
Okerrak
15
Erantzun gabeak
3
Ziurtasuna
14.3%
Batez bestekoa
72.9%
Genetika
Zuzenak
1
Okerrak
3
Erantzun gabeak
2
Ziurtasuna
16.7%
Batez bestekoa
68.2%
Geriatria
Zuzenak
4
Okerrak
6
Erantzun gabeak
1
Ziurtasuna
36.4%
Batez bestekoa
71.2%
Ginekologia eta Obstetrizia
Zuzenak
8
Okerrak
5
Erantzun gabeak
6
Ziurtasuna
42.1%
Batez bestekoa
85.9%
Hematologia
Zuzenak
4
Okerrak
5
Erantzun gabeak
2
Ziurtasuna
36.4%
Batez bestekoa
81.8%
Immunologia
Zuzenak
5
Okerrak
3
Erantzun gabeak
1
Ziurtasuna
55.6%
Batez bestekoa
82.5%
Kardiologia
Zuzenak
3
Okerrak
14
Erantzun gabeak
5
Ziurtasuna
13.6%
Batez bestekoa
77.4%
Medikuntza Legala eta Bioetika
Zuzenak
3
Okerrak
2
Erantzun gabeak
0
Ziurtasuna
60.0%
Batez bestekoa
67.2%
Nefrologia
Zuzenak
7
Okerrak
7
Erantzun gabeak
1
Ziurtasuna
46.7%
Batez bestekoa
78.2%
Neurologia
Zuzenak
7
Okerrak
7
Erantzun gabeak
6
Ziurtasuna
35.0%
Batez bestekoa
76.2%
Oftalmologia
Zuzenak
1
Okerrak
3
Erantzun gabeak
1
Ziurtasuna
20.0%
Batez bestekoa
72.6%
Onkologia Medikoa
Zuzenak
11
Okerrak
11
Erantzun gabeak
3
Ziurtasuna
44.0%
Batez bestekoa
86.3%
ORL
Zuzenak
0
Okerrak
7
Erantzun gabeak
1
Ziurtasuna
0.0%
Batez bestekoa
73.8%
Osasun Plangintza eta Kudeaketa
Zuzenak
0
Okerrak
2
Erantzun gabeak
0
Ziurtasuna
0.0%
Batez bestekoa
81.6%
Pediatria
Zuzenak
9
Okerrak
13
Erantzun gabeak
3
Ziurtasuna
36.0%
Batez bestekoa
72.7%
Pneumologia
Zuzenak
3
Okerrak
10
Erantzun gabeak
1
Ziurtasuna
21.4%
Batez bestekoa
73.0%
Psikiatria
Zuzenak
3
Okerrak
5
Erantzun gabeak
0
Ziurtasuna
37.5%
Batez bestekoa
82.0%
Traumatologia
Zuzenak
10
Okerrak
7
Erantzun gabeak
1
Ziurtasuna
55.6%
Batez bestekoa
78.2%
Urologia
Zuzenak
3
Okerrak
3
Erantzun gabeak
1
Ziurtasuna
42.9%
Batez bestekoa
79.5%
Zainketa Aringarriak
Zuzenak
2
Okerrak
1
Erantzun gabeak
1
Ziurtasuna
50.0%
Batez bestekoa
77.2%

Galdera motaren araberako xehetasuna

Anatomia
Zuzenak
3
Okerrak
3
Erantzun gabeak
1
Ziurtasuna
42.9%
Batez bestekoa
77.1%
Arriskua
Zuzenak
2
Okerrak
1
Erantzun gabeak
2
Ziurtasuna
40.0%
Batez bestekoa
84.3%
Biostatistika
Zuzenak
0
Okerrak
3
Erantzun gabeak
1
Ziurtasuna
0.0%
Batez bestekoa
78.4%
Diagnostikoa
Zuzenak
31
Okerrak
44
Erantzun gabeak
14
Ziurtasuna
34.8%
Batez bestekoa
77.9%
Epidemiologia
Zuzenak
2
Okerrak
3
Erantzun gabeak
0
Ziurtasuna
40.0%
Batez bestekoa
75.0%
Etika
Zuzenak
2
Okerrak
1
Erantzun gabeak
0
Ziurtasuna
66.7%
Batez bestekoa
72.0%
Farmakologia
Zuzenak
4
Okerrak
7
Erantzun gabeak
2
Ziurtasuna
30.8%
Batez bestekoa
82.4%
Fisiopatologia
Zuzenak
10
Okerrak
14
Erantzun gabeak
3
Ziurtasuna
37.0%
Batez bestekoa
72.6%
Interpretazioa
Zuzenak
9
Okerrak
26
Erantzun gabeak
7
Ziurtasuna
21.4%
Batez bestekoa
69.3%
Legala
Zuzenak
2
Okerrak
2
Erantzun gabeak
0
Ziurtasuna
50.0%
Batez bestekoa
63.6%
Prebentzioa
Zuzenak
5
Okerrak
5
Erantzun gabeak
2
Ziurtasuna
41.7%
Batez bestekoa
74.5%
Probak
Zuzenak
8
Okerrak
15
Erantzun gabeak
3
Ziurtasuna
30.8%
Batez bestekoa
76.3%
Pronostikoa
Zuzenak
0
Okerrak
6
Erantzun gabeak
0
Ziurtasuna
0.0%
Batez bestekoa
77.8%
Tratamendua
Zuzenak
24
Okerrak
45
Erantzun gabeak
13
Ziurtasuna
29.3%
Batez bestekoa
75.2%
#ErantzunaZuzenaEgoera
1DB
2A
3DC
4AB
5A
6CC
7AC
8AA
9AA
10BD
11CD
12BD
13AB
14CD
15D
16AB
17AB
18CA
19BC
20CA
21CB
22AD
23C
24DD
25CC
26BBaliogabetua
27AC
28DBaliogabetua
29CD
30BB
31CD
32DA
33CD
34D
35BB
36BD
37CC
38BC
39DD
40BA
41D
42BC
43BB
44D
45CD
46A
47CA
48AA
49AD
50BB
51DC
52AB
53BD
54DB
55CA
56Baliogabetua
57AC
58BB
59DD
60A
61A
62DD
63CB
64DD
65A
66AA
67BB
68AB
69DB
70BA
71DD
72CA
73CD
74DC
75AA
76CB
77BB
78BB
79C
80C
81C
82D
83AB
84D
85BC
86BC
87A
88BD
89BB
90AA
91BB
92CC
93BB
94CC
95AA
96CC
97D
98BC
99CA
100DC
101AB
102CD
103BA
104BC
105DA
106C
107BB
108BD
109AB
110CC
111CA
112C
113AB
114AD
115CD
116AC
117DA
118D
119AC
120B
121CD
122AC
123CC
124DC
125CD
126AD
127AB
128D
129CA
130BD
131DD
132AA
133AB
134CC
135B
136CC
137BA
138AD
139BD
140AB
141AA
142AA
143BB
144BB
145AD
146CC
147BB
148A
149DA
150DA
151AA
152AA
153BB
154BB
155BB
156C
157AA
158C
159AC
160BA
161AA
162
163BD
164CC
165DA
166CB
167C
168BD
169DB
170DB
171BC
172BA
173CA
174CB
175DB
176CC
177DC
178AA
179CD
180AA
181CB
182CC
183AB
184BB
185B
186Baliogabetua
187CC
188CD
189DD
190AA
191B
192AA
193AC
194BA
195CA
196AA
197AB
198DC
199CD
200CC
201CB
202A
203DD
204DC
205AB
206CD
207BA
208AC
209CC
210B