MedicalBenchmark
OpenAI: GPT-4 (older v0314) provider

GPT-4 (older v0314)

201

#201 319 modeloetatikMIR 2025

Puntuazio garbia

150.66 pts

Ziurtasuna

81.0%

Zuzenak / Okerrak

162 / 34

Kostu osoa

$7.96

Errendimendu Orokorra

(vs. batez bestekoa)
Ziurtasuna

81.0%

avg: 77.9%

Puntuazio garbia

150.66 pts

avg: 143.96 pts

Zuzenak

162

avg: 156

Okerrak

34

avg: 35

Kostu osoa

$7.96

avg: $3.36

Batez besteko erantzun-denbora

13.1s

avg: 19.0s

Irteerako tokenak

83K

avg: 430K

Arrazonamendu tokenak

0

avg: 306K

Batez besteko konfiantza

96.5%

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
6
Okerrak
0
Erantzun gabeak
0
Ziurtasuna
100.0%
Batez bestekoa
82.3%
Dermatologia
Zuzenak
7
Okerrak
5
Erantzun gabeak
0
Ziurtasuna
58.3%
Batez bestekoa
69.4%
Endokrinologia eta Nutrizioa
Zuzenak
12
Okerrak
4
Erantzun gabeak
0
Ziurtasuna
75.0%
Batez bestekoa
83.5%
Epidemiologia
Zuzenak
4
Okerrak
3
Erantzun gabeak
0
Ziurtasuna
57.1%
Batez bestekoa
69.1%
Erradiologia-Larrialdiak
Zuzenak
8
Okerrak
5
Erantzun gabeak
1
Ziurtasuna
57.1%
Batez bestekoa
69.4%
Erreumatologia
Zuzenak
13
Okerrak
2
Erantzun gabeak
0
Ziurtasuna
86.7%
Batez bestekoa
76.6%
Estatistika
Zuzenak
2
Okerrak
1
Erantzun gabeak
0
Ziurtasuna
66.7%
Batez bestekoa
76.6%
Farmakologia
Zuzenak
14
Okerrak
3
Erantzun gabeak
0
Ziurtasuna
82.4%
Batez bestekoa
74.1%
Gaixotasun Infekziosoak
Zuzenak
18
Okerrak
9
Erantzun gabeak
0
Ziurtasuna
66.7%
Batez bestekoa
74.9%
Gastroenterologia
Zuzenak
16
Okerrak
3
Erantzun gabeak
2
Ziurtasuna
76.2%
Batez bestekoa
74.1%
Genetika
Zuzenak
4
Okerrak
1
Erantzun gabeak
1
Ziurtasuna
66.7%
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
4
Erantzun gabeak
0
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
13
Okerrak
1
Erantzun gabeak
0
Ziurtasuna
92.9%
Batez bestekoa
84.8%
Neurologia
Zuzenak
17
Okerrak
3
Erantzun gabeak
0
Ziurtasuna
85.0%
Batez bestekoa
77.3%
Oftalmologia
Zuzenak
5
Okerrak
0
Erantzun gabeak
0
Ziurtasuna
100.0%
Batez bestekoa
74.2%
Onkologia Medikoa
Zuzenak
23
Okerrak
1
Erantzun gabeak
1
Ziurtasuna
92.0%
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
11
Okerrak
3
Erantzun gabeak
0
Ziurtasuna
78.6%
Batez bestekoa
80.4%
Psikiatria
Zuzenak
7
Okerrak
1
Erantzun gabeak
0
Ziurtasuna
87.5%
Batez bestekoa
83.0%
Traumatologia
Zuzenak
15
Okerrak
3
Erantzun gabeak
0
Ziurtasuna
83.3%
Batez bestekoa
79.3%
Urologia
Zuzenak
6
Okerrak
1
Erantzun gabeak
0
Ziurtasuna
85.7%
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
5
Okerrak
2
Erantzun gabeak
0
Ziurtasuna
71.4%
Batez bestekoa
78.6%
Arriskua
Zuzenak
5
Okerrak
0
Erantzun gabeak
0
Ziurtasuna
100.0%
Batez bestekoa
85.2%
Biostatistika
Zuzenak
3
Okerrak
1
Erantzun gabeak
0
Ziurtasuna
75.0%
Batez bestekoa
79.8%
Diagnostikoa
Zuzenak
75
Okerrak
12
Erantzun gabeak
1
Ziurtasuna
85.2%
Batez bestekoa
79.9%
Epidemiologia
Zuzenak
3
Okerrak
2
Erantzun gabeak
0
Ziurtasuna
60.0%
Batez bestekoa
76.7%
Etika
Zuzenak
2
Okerrak
1
Erantzun gabeak
0
Ziurtasuna
66.7%
Batez bestekoa
74.1%
Farmakologia
Zuzenak
13
Okerrak
0
Erantzun gabeak
0
Ziurtasuna
100.0%
Batez bestekoa
83.3%
Fisiopatologia
Zuzenak
23
Okerrak
4
Erantzun gabeak
0
Ziurtasuna
85.2%
Batez bestekoa
76.1%
Interpretazioa
Zuzenak
30
Okerrak
8
Erantzun gabeak
4
Ziurtasuna
71.4%
Batez bestekoa
70.7%
Legala
Zuzenak
2
Okerrak
2
Erantzun gabeak
0
Ziurtasuna
50.0%
Batez bestekoa
64.6%
Prebentzioa
Zuzenak
9
Okerrak
3
Erantzun gabeak
0
Ziurtasuna
75.0%
Batez bestekoa
75.6%
Probak
Zuzenak
20
Okerrak
7
Erantzun gabeak
0
Ziurtasuna
74.1%
Batez bestekoa
77.9%
Pronostikoa
Zuzenak
5
Okerrak
1
Erantzun gabeak
1
Ziurtasuna
71.4%
Batez bestekoa
80.8%
Tratamendua
Zuzenak
66
Okerrak
14
Erantzun gabeak
1
Ziurtasuna
81.5%
Batez bestekoa
77.3%
#ErantzunaZuzenaEgoera
1B
2AA
3CC
4AB
5AA
6CC
7CC
8AA
9AA
10DD
11DD
12DD
13AB
14DD
15BBaliogabetua
16CB
17B
18A
19CC
20BA
21BB
22CD
23CC
24DD
25CC
26CBaliogabetua
27DC
28ABaliogabetua
29DD
30BB
31DD
32AA
33DD
34DD
35BB
36DD
37CC
38CC
39DD
40AA
41DD
42CC
43CB
44DD
45AD
46AA
47AA
48AA
49DD
50BB
51DC
52BB
53DD
54BB
55AA
56BBaliogabetua
57CC
58BB
59DD
60AA
61BA
62DD
63BB
64DD
65AA
66AA
67BB
68B
69BB
70AA
71DD
72AA
73BD
74CC
75AA
76BB
77BB
78BB
79CC
80CC
81CC
82DD
83BB
84DD
85CC
86CC
87AA
88DD
89CB
90AA
91DB
92CC
93BB
94CC
95AA
96CC
97DD
98CC
99AA
100CC
101BB
102CD
103AA
104CC
105AA
106CC
107BB
108DD
109BB
110CC
111AA
112CC
113BB
114DD
115CD
116CC
117AA
118DD
119CC
120BB
121DD
122CC
123CC
124CC
125DD
126BD
127BB
128DD
129AA
130DD
131BD
132AA
133BB
134CC
135BB
136CC
137BA
138DD
139DD
140BB
141AA
142AA
143BB
144BB
145DD
146CC
147BB
148AA
149DA
150DD
151AA
152AA
153BB
154BB
155BB
156CC
157AA
158CC
159BC
160CA
161CA
162Baliogabetua
163CD
164DC
165AA
166BB
167CC
168DD
169CB
170DB
171CC
172BA
173DA
174BB
175BB
176CC
177CC
178BA
179DD
180AA
181DB
182CC
183BB
184BB
185BB
186DBaliogabetua
187CC
188DD
189DD
190AA
191CB
192AA
193CC
194AA
195AA
196AA
197BB
198BC
199DD
200CC
201BB
202AA
203DD
204DC
205BB
206CD
207AA
208CC
209CC
210BB