MedicalBenchmark
OpenAI: GPT-3.5 Turbo Instruct provider

GPT-3.5 Turbo Instruct

252

#252 290 modeloetatikMIR 2025

Puntuazio garbia

74.33 pts

Ziurtasuna

52.0%

Zuzenak / Okerrak

104 / 89

Kostu osoa

$0.31

Errendimendu Orokorra

(vs. batez bestekoa)
Ziurtasuna

52.0%

avg: 75.9%

Puntuazio garbia

74.33 pts

avg: 138.99 pts

Zuzenak

104

avg: 152

Okerrak

89

avg: 38

Kostu osoa

$0.31

avg: $3.59

Batez besteko erantzun-denbora

3.7s

avg: 18.1s

Irteerako tokenak

83K

avg: 443K

Arrazonamendu tokenak

0

avg: 320K

Batez besteko konfiantza

95.4%

avg: 94.7%

Irakasgaien araberako xehetasuna

Alergologia
Zuzenak
2
Okerrak
2
Erantzun gabeak
0
Ziurtasuna
50.0%
Batez bestekoa
86.9%
Anestesiologia eta Bizkortzea
Zuzenak
2
Okerrak
3
Erantzun gabeak
1
Ziurtasuna
33.3%
Batez bestekoa
81.3%
Dermatologia
Zuzenak
8
Okerrak
4
Erantzun gabeak
1
Ziurtasuna
61.5%
Batez bestekoa
62.8%
Endokrinologia eta Nutrizioa
Zuzenak
9
Okerrak
6
Erantzun gabeak
1
Ziurtasuna
56.3%
Batez bestekoa
82.5%
Epidemiologia
Zuzenak
3
Okerrak
3
Erantzun gabeak
1
Ziurtasuna
42.9%
Batez bestekoa
67.1%
Erradiologia-Larrialdiak
Zuzenak
6
Okerrak
8
Erantzun gabeak
0
Ziurtasuna
42.9%
Batez bestekoa
67.9%
Erreumatologia
Zuzenak
8
Okerrak
6
Erantzun gabeak
0
Ziurtasuna
57.1%
Batez bestekoa
74.6%
Estatistika
Zuzenak
1
Okerrak
2
Erantzun gabeak
0
Ziurtasuna
33.3%
Batez bestekoa
74.9%
Farmakologia
Zuzenak
8
Okerrak
8
Erantzun gabeak
1
Ziurtasuna
47.1%
Batez bestekoa
73.1%
Gaixotasun Infekziosoak
Zuzenak
12
Okerrak
12
Erantzun gabeak
4
Ziurtasuna
42.9%
Batez bestekoa
71.1%
Gastroenterologia
Zuzenak
13
Okerrak
7
Erantzun gabeak
1
Ziurtasuna
61.9%
Batez bestekoa
72.9%
Genetika
Zuzenak
2
Okerrak
4
Erantzun gabeak
0
Ziurtasuna
33.3%
Batez bestekoa
68.2%
Geriatria
Zuzenak
6
Okerrak
5
Erantzun gabeak
0
Ziurtasuna
54.5%
Batez bestekoa
71.2%
Ginekologia eta Obstetrizia
Zuzenak
15
Okerrak
4
Erantzun gabeak
0
Ziurtasuna
78.9%
Batez bestekoa
85.9%
Hematologia
Zuzenak
4
Okerrak
7
Erantzun gabeak
0
Ziurtasuna
36.4%
Batez bestekoa
81.8%
Immunologia
Zuzenak
6
Okerrak
3
Erantzun gabeak
0
Ziurtasuna
66.7%
Batez bestekoa
82.5%
Kardiologia
Zuzenak
11
Okerrak
10
Erantzun gabeak
1
Ziurtasuna
50.0%
Batez bestekoa
77.4%
Medikuntza Legala eta Bioetika
Zuzenak
2
Okerrak
3
Erantzun gabeak
0
Ziurtasuna
40.0%
Batez bestekoa
67.2%
Nefrologia
Zuzenak
7
Okerrak
7
Erantzun gabeak
1
Ziurtasuna
46.7%
Batez bestekoa
78.2%
Neurologia
Zuzenak
8
Okerrak
12
Erantzun gabeak
0
Ziurtasuna
40.0%
Batez bestekoa
76.2%
Oftalmologia
Zuzenak
2
Okerrak
3
Erantzun gabeak
0
Ziurtasuna
40.0%
Batez bestekoa
72.6%
Onkologia Medikoa
Zuzenak
16
Okerrak
8
Erantzun gabeak
1
Ziurtasuna
64.0%
Batez bestekoa
86.3%
ORL
Zuzenak
3
Okerrak
5
Erantzun gabeak
0
Ziurtasuna
37.5%
Batez bestekoa
73.8%
Osasun Plangintza eta Kudeaketa
Zuzenak
1
Okerrak
1
Erantzun gabeak
0
Ziurtasuna
50.0%
Batez bestekoa
81.6%
Pediatria
Zuzenak
14
Okerrak
10
Erantzun gabeak
1
Ziurtasuna
56.0%
Batez bestekoa
72.7%
Pneumologia
Zuzenak
8
Okerrak
5
Erantzun gabeak
1
Ziurtasuna
57.1%
Batez bestekoa
73.0%
Psikiatria
Zuzenak
6
Okerrak
2
Erantzun gabeak
0
Ziurtasuna
75.0%
Batez bestekoa
82.0%
Traumatologia
Zuzenak
9
Okerrak
9
Erantzun gabeak
0
Ziurtasuna
50.0%
Batez bestekoa
78.2%
Urologia
Zuzenak
3
Okerrak
4
Erantzun gabeak
0
Ziurtasuna
42.9%
Batez bestekoa
79.5%
Zainketa Aringarriak
Zuzenak
2
Okerrak
2
Erantzun gabeak
0
Ziurtasuna
50.0%
Batez bestekoa
77.2%

Galdera motaren araberako xehetasuna

Anatomia
Zuzenak
1
Okerrak
6
Erantzun gabeak
0
Ziurtasuna
14.3%
Batez bestekoa
77.1%
Arriskua
Zuzenak
1
Okerrak
4
Erantzun gabeak
0
Ziurtasuna
20.0%
Batez bestekoa
84.3%
Biostatistika
Zuzenak
2
Okerrak
2
Erantzun gabeak
0
Ziurtasuna
50.0%
Batez bestekoa
78.4%
Diagnostikoa
Zuzenak
44
Okerrak
43
Erantzun gabeak
2
Ziurtasuna
49.4%
Batez bestekoa
77.9%
Epidemiologia
Zuzenak
3
Okerrak
1
Erantzun gabeak
1
Ziurtasuna
60.0%
Batez bestekoa
75.0%
Etika
Zuzenak
1
Okerrak
2
Erantzun gabeak
0
Ziurtasuna
33.3%
Batez bestekoa
72.0%
Farmakologia
Zuzenak
6
Okerrak
4
Erantzun gabeak
3
Ziurtasuna
46.2%
Batez bestekoa
82.4%
Fisiopatologia
Zuzenak
15
Okerrak
12
Erantzun gabeak
0
Ziurtasuna
55.6%
Batez bestekoa
72.6%
Interpretazioa
Zuzenak
22
Okerrak
19
Erantzun gabeak
1
Ziurtasuna
52.4%
Batez bestekoa
69.3%
Legala
Zuzenak
1
Okerrak
3
Erantzun gabeak
0
Ziurtasuna
25.0%
Batez bestekoa
63.6%
Prebentzioa
Zuzenak
7
Okerrak
3
Erantzun gabeak
2
Ziurtasuna
58.3%
Batez bestekoa
74.5%
Probak
Zuzenak
15
Okerrak
11
Erantzun gabeak
0
Ziurtasuna
57.7%
Batez bestekoa
76.3%
Pronostikoa
Zuzenak
3
Okerrak
3
Erantzun gabeak
0
Ziurtasuna
50.0%
Batez bestekoa
77.8%
Tratamendua
Zuzenak
44
Okerrak
34
Erantzun gabeak
4
Ziurtasuna
53.7%
Batez bestekoa
75.2%
#ErantzunaZuzenaEgoera
1DB
2AA
3CC
4AB
5AA
6CC
7CC
8AA
9CA
10AD
11DD
12DD
13BB
14AD
15D
16BB
17CB
18DA
19CC
20CA
21CB
22CD
23AC
24DD
25CC
26Baliogabetua
27AC
28DBaliogabetua
29AD
30BB
31DD
32DA
33DD
34BD
35BB
36DD
37CC
38CC
39DD
40CA
41DD
42CC
43B
44DD
45BD
46AA
47AA
48AA
49AD
50DB
51DC
52DB
53CD
54DB
55CA
56BBaliogabetua
57CC
58BB
59DD
60DA
61AA
62DD
63BB
64DD
65CA
66DA
67AB
68BB
69CB
70AA
71DD
72CA
73DD
74DC
75AA
76BB
77BB
78AB
79DC
80BC
81CC
82CD
83BB
84DD
85DC
86AC
87AA
88DD
89CB
90DA
91DB
92CC
93BB
94DC
95BA
96CC
97DD
98DC
99DA
100CC
101CB
102AD
103DA
104CC
105AA
106CC
107CB
108D
109BB
110CC
111DA
112DC
113AB
114DD
115DD
116CC
117AA
118DD
119C
120AB
121DD
122AC
123CC
124CC
125AD
126CD
127BB
128DD
129BA
130DD
131BD
132AA
133BB
134CC
135DB
136DC
137CA
138DD
139DD
140BB
141BA
142BA
143BB
144BB
145BD
146BC
147AB
148BA
149DA
150BA
151AA
152CA
153CB
154BB
155BB
156CC
157A
158AC
159AC
160CA
161AA
162
163DD
164BC
165DA
166BB
167DC
168DD
169CB
170BB
171C
172BA
173DA
174BB
175DB
176CC
177BC
178BA
179DD
180AA
181DB
182CC
183BB
184BB
185DB
186DBaliogabetua
187CC
188DD
189CD
190DA
191AB
192A
193CC
194AA
195AA
196AA
197BB
198CC
199DD
200CC
201AB
202AA
203DD
204CC
205BB
206DD
207AA
208AC
209CC
210AB