MedicalBenchmark
Sao10K: Llama 3.1 70B Hanami x1 provider

Llama 3.1 70B Hanami x1

241

#241 319 modeloetatikMIR 2025

Puntuazio garbia

131.66 pts

Ziurtasuna

73.5%

Zuzenak / Okerrak

147 / 46

Kostu osoa

$0.63

Errendimendu Orokorra

(vs. batez bestekoa)
Ziurtasuna

73.5%

avg: 77.9%

Puntuazio garbia

131.66 pts

avg: 143.96 pts

Zuzenak

147

avg: 156

Okerrak

46

avg: 35

Kostu osoa

$0.63

avg: $3.36

Batez besteko erantzun-denbora

31.8s

avg: 19.0s

Irteerako tokenak

105K

avg: 430K

Arrazonamendu tokenak

0

avg: 306K

Batez besteko konfiantza

94.1%

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
1
Erantzun gabeak
2
Ziurtasuna
75.0%
Batez bestekoa
69.4%
Endokrinologia eta Nutrizioa
Zuzenak
13
Okerrak
3
Erantzun gabeak
0
Ziurtasuna
81.3%
Batez bestekoa
83.5%
Epidemiologia
Zuzenak
3
Okerrak
4
Erantzun gabeak
0
Ziurtasuna
42.9%
Batez bestekoa
69.1%
Erradiologia-Larrialdiak
Zuzenak
8
Okerrak
4
Erantzun gabeak
2
Ziurtasuna
57.1%
Batez bestekoa
69.4%
Erreumatologia
Zuzenak
12
Okerrak
3
Erantzun gabeak
0
Ziurtasuna
80.0%
Batez bestekoa
76.6%
Estatistika
Zuzenak
1
Okerrak
2
Erantzun gabeak
0
Ziurtasuna
33.3%
Batez bestekoa
76.6%
Farmakologia
Zuzenak
14
Okerrak
2
Erantzun gabeak
1
Ziurtasuna
82.4%
Batez bestekoa
74.1%
Gaixotasun Infekziosoak
Zuzenak
20
Okerrak
5
Erantzun gabeak
2
Ziurtasuna
74.1%
Batez bestekoa
74.9%
Gastroenterologia
Zuzenak
13
Okerrak
7
Erantzun gabeak
1
Ziurtasuna
61.9%
Batez bestekoa
74.1%
Genetika
Zuzenak
3
Okerrak
3
Erantzun gabeak
0
Ziurtasuna
50.0%
Batez bestekoa
69.5%
Geriatria
Zuzenak
9
Okerrak
2
Erantzun gabeak
0
Ziurtasuna
81.8%
Batez bestekoa
77.5%
Ginekologia eta Obstetrizia
Zuzenak
17
Okerrak
2
Erantzun gabeak
0
Ziurtasuna
89.5%
Batez bestekoa
86.7%
Hematologia
Zuzenak
8
Okerrak
3
Erantzun gabeak
0
Ziurtasuna
72.7%
Batez bestekoa
82.7%
Immunologia
Zuzenak
7
Okerrak
2
Erantzun gabeak
0
Ziurtasuna
77.8%
Batez bestekoa
83.3%
Kardiologia
Zuzenak
19
Okerrak
2
Erantzun gabeak
1
Ziurtasuna
86.4%
Batez bestekoa
78.6%
Medikuntza Legala eta Bioetika
Zuzenak
3
Okerrak
2
Erantzun gabeak
0
Ziurtasuna
60.0%
Batez bestekoa
68.4%
Nefrologia
Zuzenak
10
Okerrak
4
Erantzun gabeak
0
Ziurtasuna
71.4%
Batez bestekoa
84.8%
Neurologia
Zuzenak
10
Okerrak
8
Erantzun gabeak
2
Ziurtasuna
50.0%
Batez bestekoa
77.3%
Oftalmologia
Zuzenak
3
Okerrak
2
Erantzun gabeak
0
Ziurtasuna
60.0%
Batez bestekoa
74.2%
Onkologia Medikoa
Zuzenak
22
Okerrak
3
Erantzun gabeak
0
Ziurtasuna
88.0%
Batez bestekoa
87.2%
ORL
Zuzenak
5
Okerrak
2
Erantzun gabeak
1
Ziurtasuna
62.5%
Batez bestekoa
74.8%
Osasun Plangintza eta Kudeaketa
Zuzenak
2
Okerrak
0
Erantzun gabeak
0
Ziurtasuna
100.0%
Batez bestekoa
82.6%
Pediatria
Zuzenak
17
Okerrak
7
Erantzun gabeak
2
Ziurtasuna
65.4%
Batez bestekoa
71.9%
Pneumologia
Zuzenak
13
Okerrak
1
Erantzun gabeak
0
Ziurtasuna
92.9%
Batez bestekoa
80.4%
Psikiatria
Zuzenak
7
Okerrak
1
Erantzun gabeak
0
Ziurtasuna
87.5%
Batez bestekoa
83.0%
Traumatologia
Zuzenak
11
Okerrak
6
Erantzun gabeak
1
Ziurtasuna
61.1%
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
2
Okerrak
2
Erantzun gabeak
0
Ziurtasuna
50.0%
Batez bestekoa
79.8%
Diagnostikoa
Zuzenak
63
Okerrak
20
Erantzun gabeak
5
Ziurtasuna
71.6%
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
12
Okerrak
1
Erantzun gabeak
0
Ziurtasuna
92.3%
Batez bestekoa
83.3%
Fisiopatologia
Zuzenak
19
Okerrak
8
Erantzun gabeak
0
Ziurtasuna
70.4%
Batez bestekoa
76.1%
Interpretazioa
Zuzenak
24
Okerrak
16
Erantzun gabeak
2
Ziurtasuna
57.1%
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
6
Okerrak
1
Erantzun gabeak
0
Ziurtasuna
85.7%
Batez bestekoa
80.8%
Tratamendua
Zuzenak
62
Okerrak
17
Erantzun gabeak
2
Ziurtasuna
76.5%
Batez bestekoa
77.3%
#ErantzunaZuzenaEgoera
1BB
2DA
3CC
4AB
5AA
6C
7CC
8AA
9CA
10DD
11CD
12DD
13BB
14DD
15BBaliogabetua
16CB
17CB
18CA
19C
20AA
21CB
22DD
23AC
24DD
25CC
26DBaliogabetua
27DC
28CBaliogabetua
29DD
30BB
31DD
32AA
33DD
34DD
35BB
36DD
37AC
38CC
39DD
40BA
41DD
42CC
43DB
44DD
45AD
46AA
47AA
48AA
49D
50BB
51CC
52BB
53DD
54DB
55AA
56BBaliogabetua
57CC
58BB
59DD
60AA
61AA
62DD
63BB
64DD
65AA
66AA
67AB
68BB
69AB
70AA
71D
72AA
73DD
74CC
75AA
76BB
77BB
78BB
79AC
80CC
81CC
82CD
83AB
84CD
85C
86CC
87CA
88CD
89BB
90DA
91DB
92DC
93BB
94CC
95AA
96CC
97DD
98C
99BA
100CC
101BB
102DD
103AA
104CC
105AA
106CC
107BB
108DD
109BB
110CC
111AA
112CC
113BB
114DD
115DD
116CC
117AA
118DD
119AC
120BB
121BD
122CC
123CC
124CC
125CD
126BD
127BB
128DD
129AA
130DD
131BD
132AA
133BB
134CC
135BB
136CC
137CA
138DD
139DD
140DB
141AA
142BA
143BB
144BB
145DD
146CC
147BB
148BA
149DA
150DD
151AA
152AA
153BB
154BB
155BB
156CC
157AA
158DC
159CC
160A
161AA
162ABaliogabetua
163DD
164CC
165AA
166BB
167CC
168DD
169CB
170BB
171CC
172BA
173BA
174BB
175BB
176CC
177CC
178BA
179DD
180AA
181DB
182CC
183BB
184BB
185BB
186DBaliogabetua
187DC
188DD
189DD
190AA
191BB
192AA
193CC
194AA
195AA
196AA
197BB
198CC
199DD
200CC
201BB
202AA
203DD
204DC
205BB
206CD
207AA
208C
209CC
210BB