MedicalBenchmark
Meta: Llama 3.3 70B Instruct provider

Llama 3.3 70B Instruct

174

#174 290 modeloetatikMIR 2025

Puntuazio garbia

148.33 pts

Ziurtasuna

79.5%

Zuzenak / Okerrak

159 / 32

Kostu osoa

$0.10

Errendimendu Orokorra

(vs. batez bestekoa)
Ziurtasuna

79.5%

avg: 75.9%

Puntuazio garbia

148.33 pts

avg: 138.99 pts

Zuzenak

159

avg: 152

Okerrak

32

avg: 38

Kostu osoa

$0.10

avg: $3.59

Batez besteko erantzun-denbora

13.5s

avg: 18.1s

Irteerako tokenak

110K

avg: 443K

Arrazonamendu tokenak

0

avg: 320K

Batez besteko konfiantza

94.0%

avg: 94.7%

Irakasgaien araberako xehetasuna

Alergologia
Zuzenak
4
Okerrak
0
Erantzun gabeak
0
Ziurtasuna
100.0%
Batez bestekoa
86.9%
Anestesiologia eta Bizkortzea
Zuzenak
5
Okerrak
1
Erantzun gabeak
0
Ziurtasuna
83.3%
Batez bestekoa
81.3%
Dermatologia
Zuzenak
9
Okerrak
2
Erantzun gabeak
2
Ziurtasuna
69.2%
Batez bestekoa
62.8%
Endokrinologia eta Nutrizioa
Zuzenak
14
Okerrak
2
Erantzun gabeak
0
Ziurtasuna
87.5%
Batez bestekoa
82.5%
Epidemiologia
Zuzenak
4
Okerrak
3
Erantzun gabeak
0
Ziurtasuna
57.1%
Batez bestekoa
67.1%
Erradiologia-Larrialdiak
Zuzenak
10
Okerrak
3
Erantzun gabeak
1
Ziurtasuna
71.4%
Batez bestekoa
67.9%
Erreumatologia
Zuzenak
10
Okerrak
3
Erantzun gabeak
1
Ziurtasuna
71.4%
Batez bestekoa
74.6%
Estatistika
Zuzenak
2
Okerrak
1
Erantzun gabeak
0
Ziurtasuna
66.7%
Batez bestekoa
74.9%
Farmakologia
Zuzenak
13
Okerrak
3
Erantzun gabeak
1
Ziurtasuna
76.5%
Batez bestekoa
73.1%
Gaixotasun Infekziosoak
Zuzenak
21
Okerrak
4
Erantzun gabeak
3
Ziurtasuna
75.0%
Batez bestekoa
71.1%
Gastroenterologia
Zuzenak
12
Okerrak
7
Erantzun gabeak
2
Ziurtasuna
57.1%
Batez bestekoa
72.9%
Genetika
Zuzenak
6
Okerrak
0
Erantzun gabeak
0
Ziurtasuna
100.0%
Batez bestekoa
68.2%
Geriatria
Zuzenak
9
Okerrak
2
Erantzun gabeak
0
Ziurtasuna
81.8%
Batez bestekoa
71.2%
Ginekologia eta Obstetrizia
Zuzenak
16
Okerrak
2
Erantzun gabeak
1
Ziurtasuna
84.2%
Batez bestekoa
85.9%
Hematologia
Zuzenak
11
Okerrak
0
Erantzun gabeak
0
Ziurtasuna
100.0%
Batez bestekoa
81.8%
Immunologia
Zuzenak
9
Okerrak
0
Erantzun gabeak
0
Ziurtasuna
100.0%
Batez bestekoa
82.5%
Kardiologia
Zuzenak
18
Okerrak
2
Erantzun gabeak
2
Ziurtasuna
81.8%
Batez bestekoa
77.4%
Medikuntza Legala eta Bioetika
Zuzenak
3
Okerrak
2
Erantzun gabeak
0
Ziurtasuna
60.0%
Batez bestekoa
67.2%
Nefrologia
Zuzenak
12
Okerrak
2
Erantzun gabeak
1
Ziurtasuna
80.0%
Batez bestekoa
78.2%
Neurologia
Zuzenak
17
Okerrak
3
Erantzun gabeak
0
Ziurtasuna
85.0%
Batez bestekoa
76.2%
Oftalmologia
Zuzenak
4
Okerrak
1
Erantzun gabeak
0
Ziurtasuna
80.0%
Batez bestekoa
72.6%
Onkologia Medikoa
Zuzenak
22
Okerrak
2
Erantzun gabeak
1
Ziurtasuna
88.0%
Batez bestekoa
86.3%
ORL
Zuzenak
7
Okerrak
1
Erantzun gabeak
0
Ziurtasuna
87.5%
Batez bestekoa
73.8%
Osasun Plangintza eta Kudeaketa
Zuzenak
2
Okerrak
0
Erantzun gabeak
0
Ziurtasuna
100.0%
Batez bestekoa
81.6%
Pediatria
Zuzenak
20
Okerrak
4
Erantzun gabeak
1
Ziurtasuna
80.0%
Batez bestekoa
72.7%
Pneumologia
Zuzenak
12
Okerrak
2
Erantzun gabeak
0
Ziurtasuna
85.7%
Batez bestekoa
73.0%
Psikiatria
Zuzenak
8
Okerrak
0
Erantzun gabeak
0
Ziurtasuna
100.0%
Batez bestekoa
82.0%
Traumatologia
Zuzenak
14
Okerrak
3
Erantzun gabeak
1
Ziurtasuna
77.8%
Batez bestekoa
78.2%
Urologia
Zuzenak
4
Okerrak
3
Erantzun gabeak
0
Ziurtasuna
57.1%
Batez bestekoa
79.5%
Zainketa Aringarriak
Zuzenak
4
Okerrak
0
Erantzun gabeak
0
Ziurtasuna
100.0%
Batez bestekoa
77.2%

Galdera motaren araberako xehetasuna

Anatomia
Zuzenak
6
Okerrak
1
Erantzun gabeak
0
Ziurtasuna
85.7%
Batez bestekoa
77.1%
Arriskua
Zuzenak
4
Okerrak
1
Erantzun gabeak
0
Ziurtasuna
80.0%
Batez bestekoa
84.3%
Biostatistika
Zuzenak
3
Okerrak
1
Erantzun gabeak
0
Ziurtasuna
75.0%
Batez bestekoa
78.4%
Diagnostikoa
Zuzenak
76
Okerrak
9
Erantzun gabeak
4
Ziurtasuna
85.4%
Batez bestekoa
77.9%
Epidemiologia
Zuzenak
4
Okerrak
1
Erantzun gabeak
0
Ziurtasuna
80.0%
Batez bestekoa
75.0%
Etika
Zuzenak
2
Okerrak
1
Erantzun gabeak
0
Ziurtasuna
66.7%
Batez bestekoa
72.0%
Farmakologia
Zuzenak
11
Okerrak
2
Erantzun gabeak
0
Ziurtasuna
84.6%
Batez bestekoa
82.4%
Fisiopatologia
Zuzenak
20
Okerrak
5
Erantzun gabeak
2
Ziurtasuna
74.1%
Batez bestekoa
72.6%
Interpretazioa
Zuzenak
32
Okerrak
6
Erantzun gabeak
4
Ziurtasuna
76.2%
Batez bestekoa
69.3%
Legala
Zuzenak
2
Okerrak
2
Erantzun gabeak
0
Ziurtasuna
50.0%
Batez bestekoa
63.6%
Prebentzioa
Zuzenak
7
Okerrak
4
Erantzun gabeak
1
Ziurtasuna
58.3%
Batez bestekoa
74.5%
Probak
Zuzenak
22
Okerrak
4
Erantzun gabeak
0
Ziurtasuna
84.6%
Batez bestekoa
76.3%
Pronostikoa
Zuzenak
6
Okerrak
0
Erantzun gabeak
0
Ziurtasuna
100.0%
Batez bestekoa
77.8%
Tratamendua
Zuzenak
64
Okerrak
14
Erantzun gabeak
4
Ziurtasuna
78.0%
Batez bestekoa
75.2%
#ErantzunaZuzenaEgoera
1BB
2AA
3CC
4AB
5AA
6CC
7CC
8AA
9AA
10DD
11DD
12DD
13BB
14D
15D
16CB
17B
18AA
19CC
20AA
21BB
22CD
23AC
24D
25CC
26ABaliogabetua
27DC
28ABaliogabetua
29DD
30CB
31DD
32AA
33DD
34DD
35BB
36DD
37CC
38CC
39DD
40AA
41DD
42CC
43CB
44DD
45AD
46AA
47AA
48AA
49DD
50BB
51DC
52BB
53DD
54DB
55AA
56BBaliogabetua
57CC
58BB
59DD
60AA
61AA
62DD
63BB
64DD
65AA
66AA
67BB
68B
69AB
70AA
71DD
72AA
73DD
74CC
75AA
76BB
77BB
78BB
79CC
80CC
81CC
82DD
83BB
84DD
85AC
86CC
87CA
88DD
89BB
90AA
91DB
92C
93BB
94CC
95AA
96CC
97DD
98CC
99AA
100CC
101BB
102DD
103AA
104CC
105AA
106CC
107BB
108DD
109BB
110CC
111AA
112CC
113BB
114DD
115DD
116CC
117AA
118DD
119AC
120AB
121DD
122CC
123CC
124CC
125BD
126BD
127AB
128DD
129AA
130DD
131DD
132AA
133BB
134CC
135DB
136CC
137CA
138DD
139DD
140B
141AA
142AA
143BB
144BB
145DD
146CC
147BB
148AA
149DA
150DA
151AA
152AA
153BB
154BB
155BB
156CC
157AA
158CC
159CC
160A
161AA
162
163DD
164C
165AA
166BB
167AC
168DD
169CB
170BB
171CC
172BA
173AA
174BB
175BB
176CC
177CC
178BA
179DD
180AA
181DB
182CC
183BB
184BB
185BB
186ABaliogabetua
187DC
188DD
189DD
190AA
191BB
192AA
193CC
194AA
195AA
196AA
197BB
198CC
199DD
200CC
201BB
202BA
203DD
204DC
205BB
206CD
207AA
208CC
209CC
210BB