MedicalBenchmark
Meta: Llama 3.3 70B Instruct provider

Llama 3.3 70B Instruct

203

#203 319 modeloetatikMIR 2025

Puntuazio garbia

150.33 pts

Ziurtasuna

80.5%

Zuzenak / Okerrak

161 / 32

Kostu osoa

$0.10

Errendimendu Orokorra

(vs. batez bestekoa)
Ziurtasuna

80.5%

avg: 77.9%

Puntuazio garbia

150.33 pts

avg: 143.96 pts

Zuzenak

161

avg: 156

Okerrak

32

avg: 35

Kostu osoa

$0.10

avg: $3.36

Batez besteko erantzun-denbora

13.7s

avg: 19.0s

Irteerako tokenak

111K

avg: 430K

Arrazonamendu tokenak

0

avg: 306K

Batez besteko konfiantza

94.5%

avg: 95.2%

Irakasgaien araberako xehetasuna

Alergologia
Zuzenak
4
Okerrak
0
Erantzun gabeak
0
Ziurtasuna
100.0%
Batez bestekoa
87.9%
Anestesiologia eta Bizkortzea
Zuzenak
5
Okerrak
1
Erantzun gabeak
0
Ziurtasuna
83.3%
Batez bestekoa
82.3%
Dermatologia
Zuzenak
9
Okerrak
2
Erantzun gabeak
1
Ziurtasuna
75.0%
Batez bestekoa
69.4%
Endokrinologia eta Nutrizioa
Zuzenak
14
Okerrak
2
Erantzun gabeak
0
Ziurtasuna
87.5%
Batez bestekoa
83.5%
Epidemiologia
Zuzenak
4
Okerrak
3
Erantzun gabeak
0
Ziurtasuna
57.1%
Batez bestekoa
69.1%
Erradiologia-Larrialdiak
Zuzenak
10
Okerrak
3
Erantzun gabeak
1
Ziurtasuna
71.4%
Batez bestekoa
69.4%
Erreumatologia
Zuzenak
11
Okerrak
3
Erantzun gabeak
1
Ziurtasuna
73.3%
Batez bestekoa
76.6%
Estatistika
Zuzenak
2
Okerrak
1
Erantzun gabeak
0
Ziurtasuna
66.7%
Batez bestekoa
76.6%
Farmakologia
Zuzenak
13
Okerrak
3
Erantzun gabeak
1
Ziurtasuna
76.5%
Batez bestekoa
74.1%
Gaixotasun Infekziosoak
Zuzenak
21
Okerrak
4
Erantzun gabeak
2
Ziurtasuna
77.8%
Batez bestekoa
74.9%
Gastroenterologia
Zuzenak
12
Okerrak
7
Erantzun gabeak
2
Ziurtasuna
57.1%
Batez bestekoa
74.1%
Genetika
Zuzenak
6
Okerrak
0
Erantzun gabeak
0
Ziurtasuna
100.0%
Batez bestekoa
69.5%
Geriatria
Zuzenak
10
Okerrak
1
Erantzun gabeak
0
Ziurtasuna
90.9%
Batez bestekoa
77.5%
Ginekologia eta Obstetrizia
Zuzenak
16
Okerrak
2
Erantzun gabeak
1
Ziurtasuna
84.2%
Batez bestekoa
86.7%
Hematologia
Zuzenak
11
Okerrak
0
Erantzun gabeak
0
Ziurtasuna
100.0%
Batez bestekoa
82.7%
Immunologia
Zuzenak
9
Okerrak
0
Erantzun gabeak
0
Ziurtasuna
100.0%
Batez bestekoa
83.3%
Kardiologia
Zuzenak
18
Okerrak
2
Erantzun gabeak
2
Ziurtasuna
81.8%
Batez bestekoa
78.6%
Medikuntza Legala eta Bioetika
Zuzenak
3
Okerrak
2
Erantzun gabeak
0
Ziurtasuna
60.0%
Batez bestekoa
68.4%
Nefrologia
Zuzenak
12
Okerrak
2
Erantzun gabeak
0
Ziurtasuna
85.7%
Batez bestekoa
84.8%
Neurologia
Zuzenak
17
Okerrak
3
Erantzun gabeak
0
Ziurtasuna
85.0%
Batez bestekoa
77.3%
Oftalmologia
Zuzenak
4
Okerrak
1
Erantzun gabeak
0
Ziurtasuna
80.0%
Batez bestekoa
74.2%
Onkologia Medikoa
Zuzenak
22
Okerrak
3
Erantzun gabeak
0
Ziurtasuna
88.0%
Batez bestekoa
87.2%
ORL
Zuzenak
7
Okerrak
1
Erantzun gabeak
0
Ziurtasuna
87.5%
Batez bestekoa
74.8%
Osasun Plangintza eta Kudeaketa
Zuzenak
2
Okerrak
0
Erantzun gabeak
0
Ziurtasuna
100.0%
Batez bestekoa
82.6%
Pediatria
Zuzenak
20
Okerrak
5
Erantzun gabeak
1
Ziurtasuna
76.9%
Batez bestekoa
71.9%
Pneumologia
Zuzenak
13
Okerrak
1
Erantzun gabeak
0
Ziurtasuna
92.9%
Batez bestekoa
80.4%
Psikiatria
Zuzenak
8
Okerrak
0
Erantzun gabeak
0
Ziurtasuna
100.0%
Batez bestekoa
83.0%
Traumatologia
Zuzenak
14
Okerrak
3
Erantzun gabeak
1
Ziurtasuna
77.8%
Batez bestekoa
79.3%
Urologia
Zuzenak
4
Okerrak
3
Erantzun gabeak
0
Ziurtasuna
57.1%
Batez bestekoa
80.7%
Zainketa Aringarriak
Zuzenak
4
Okerrak
0
Erantzun gabeak
0
Ziurtasuna
100.0%
Batez bestekoa
78.6%

Galdera motaren araberako xehetasuna

Anatomia
Zuzenak
6
Okerrak
1
Erantzun gabeak
0
Ziurtasuna
85.7%
Batez bestekoa
78.6%
Arriskua
Zuzenak
4
Okerrak
1
Erantzun gabeak
0
Ziurtasuna
80.0%
Batez bestekoa
85.2%
Biostatistika
Zuzenak
3
Okerrak
1
Erantzun gabeak
0
Ziurtasuna
75.0%
Batez bestekoa
79.8%
Diagnostikoa
Zuzenak
76
Okerrak
9
Erantzun gabeak
3
Ziurtasuna
86.4%
Batez bestekoa
79.9%
Epidemiologia
Zuzenak
4
Okerrak
1
Erantzun gabeak
0
Ziurtasuna
80.0%
Batez bestekoa
76.7%
Etika
Zuzenak
2
Okerrak
1
Erantzun gabeak
0
Ziurtasuna
66.7%
Batez bestekoa
74.1%
Farmakologia
Zuzenak
11
Okerrak
2
Erantzun gabeak
0
Ziurtasuna
84.6%
Batez bestekoa
83.3%
Fisiopatologia
Zuzenak
21
Okerrak
5
Erantzun gabeak
1
Ziurtasuna
77.8%
Batez bestekoa
76.1%
Interpretazioa
Zuzenak
32
Okerrak
6
Erantzun gabeak
4
Ziurtasuna
76.2%
Batez bestekoa
70.7%
Legala
Zuzenak
2
Okerrak
2
Erantzun gabeak
0
Ziurtasuna
50.0%
Batez bestekoa
64.6%
Prebentzioa
Zuzenak
7
Okerrak
4
Erantzun gabeak
1
Ziurtasuna
58.3%
Batez bestekoa
75.6%
Probak
Zuzenak
23
Okerrak
4
Erantzun gabeak
0
Ziurtasuna
85.2%
Batez bestekoa
77.9%
Pronostikoa
Zuzenak
7
Okerrak
0
Erantzun gabeak
0
Ziurtasuna
100.0%
Batez bestekoa
80.8%
Tratamendua
Zuzenak
64
Okerrak
14
Erantzun gabeak
3
Ziurtasuna
79.0%
Batez bestekoa
77.3%
#ErantzunaZuzenaEgoera
1BB
2AA
3CC
4AB
5AA
6CC
7CC
8AA
9AA
10DD
11DD
12DD
13BB
14D
15DBaliogabetua
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
140DB
141AA
142AA
143BB
144BB
145DD
146CC
147BB
148AA
149DA
150DD
151AA
152AA
153BB
154BB
155BB
156CC
157AA
158CC
159CC
160A
161AA
162Baliogabetua
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