MedicalBenchmark
Sao10K: Llama 3.1 Euryale 70B v2.2 provider

Llama 3.1 Euryale 70B v2.2

251

#251 319 modeloetatikMIR 2025

Puntuazio garbia

120.66 pts

Ziurtasuna

68.5%

Zuzenak / Okerrak

137 / 49

Kostu osoa

$0.18

Errendimendu Orokorra

(vs. batez bestekoa)
Ziurtasuna

68.5%

avg: 77.9%

Puntuazio garbia

120.66 pts

avg: 143.96 pts

Zuzenak

137

avg: 156

Okerrak

49

avg: 35

Kostu osoa

$0.18

avg: $3.36

Batez besteko erantzun-denbora

18.2s

avg: 19.0s

Irteerako tokenak

112K

avg: 430K

Arrazonamendu tokenak

0

avg: 306K

Batez besteko konfiantza

91.4%

avg: 95.2%

Irakasgaien araberako xehetasuna

Alergologia
Zuzenak
3
Okerrak
1
Erantzun gabeak
0
Ziurtasuna
75.0%
Batez bestekoa
87.9%
Anestesiologia eta Bizkortzea
Zuzenak
5
Okerrak
1
Erantzun gabeak
0
Ziurtasuna
83.3%
Batez bestekoa
82.3%
Dermatologia
Zuzenak
8
Okerrak
3
Erantzun gabeak
1
Ziurtasuna
66.7%
Batez bestekoa
69.4%
Endokrinologia eta Nutrizioa
Zuzenak
10
Okerrak
5
Erantzun gabeak
1
Ziurtasuna
62.5%
Batez bestekoa
83.5%
Epidemiologia
Zuzenak
3
Okerrak
4
Erantzun gabeak
0
Ziurtasuna
42.9%
Batez bestekoa
69.1%
Erradiologia-Larrialdiak
Zuzenak
9
Okerrak
4
Erantzun gabeak
1
Ziurtasuna
64.3%
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
13
Okerrak
3
Erantzun gabeak
1
Ziurtasuna
76.5%
Batez bestekoa
74.1%
Gaixotasun Infekziosoak
Zuzenak
17
Okerrak
8
Erantzun gabeak
2
Ziurtasuna
63.0%
Batez bestekoa
74.9%
Gastroenterologia
Zuzenak
14
Okerrak
6
Erantzun gabeak
1
Ziurtasuna
66.7%
Batez bestekoa
74.1%
Genetika
Zuzenak
3
Okerrak
2
Erantzun gabeak
1
Ziurtasuna
50.0%
Batez bestekoa
69.5%
Geriatria
Zuzenak
11
Okerrak
0
Erantzun gabeak
0
Ziurtasuna
100.0%
Batez bestekoa
77.5%
Ginekologia eta Obstetrizia
Zuzenak
13
Okerrak
3
Erantzun gabeak
3
Ziurtasuna
68.4%
Batez bestekoa
86.7%
Hematologia
Zuzenak
8
Okerrak
3
Erantzun gabeak
0
Ziurtasuna
72.7%
Batez bestekoa
82.7%
Immunologia
Zuzenak
6
Okerrak
1
Erantzun gabeak
2
Ziurtasuna
66.7%
Batez bestekoa
83.3%
Kardiologia
Zuzenak
16
Okerrak
6
Erantzun gabeak
0
Ziurtasuna
72.7%
Batez bestekoa
78.6%
Medikuntza Legala eta Bioetika
Zuzenak
4
Okerrak
1
Erantzun gabeak
0
Ziurtasuna
80.0%
Batez bestekoa
68.4%
Nefrologia
Zuzenak
8
Okerrak
4
Erantzun gabeak
2
Ziurtasuna
57.1%
Batez bestekoa
84.8%
Neurologia
Zuzenak
12
Okerrak
5
Erantzun gabeak
3
Ziurtasuna
60.0%
Batez bestekoa
77.3%
Oftalmologia
Zuzenak
3
Okerrak
1
Erantzun gabeak
1
Ziurtasuna
60.0%
Batez bestekoa
74.2%
Onkologia Medikoa
Zuzenak
23
Okerrak
2
Erantzun gabeak
0
Ziurtasuna
92.0%
Batez bestekoa
87.2%
ORL
Zuzenak
6
Okerrak
2
Erantzun gabeak
0
Ziurtasuna
75.0%
Batez bestekoa
74.8%
Osasun Plangintza eta Kudeaketa
Zuzenak
2
Okerrak
0
Erantzun gabeak
0
Ziurtasuna
100.0%
Batez bestekoa
82.6%
Pediatria
Zuzenak
14
Okerrak
10
Erantzun gabeak
2
Ziurtasuna
53.8%
Batez bestekoa
71.9%
Pneumologia
Zuzenak
12
Okerrak
2
Erantzun gabeak
0
Ziurtasuna
85.7%
Batez bestekoa
80.4%
Psikiatria
Zuzenak
7
Okerrak
1
Erantzun gabeak
0
Ziurtasuna
87.5%
Batez bestekoa
83.0%
Traumatologia
Zuzenak
12
Okerrak
5
Erantzun gabeak
1
Ziurtasuna
66.7%
Batez bestekoa
79.3%
Urologia
Zuzenak
5
Okerrak
1
Erantzun gabeak
1
Ziurtasuna
71.4%
Batez bestekoa
80.7%
Zainketa Aringarriak
Zuzenak
3
Okerrak
1
Erantzun gabeak
0
Ziurtasuna
75.0%
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
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
63
Okerrak
17
Erantzun gabeak
8
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
11
Okerrak
2
Erantzun gabeak
0
Ziurtasuna
84.6%
Batez bestekoa
83.3%
Fisiopatologia
Zuzenak
16
Okerrak
9
Erantzun gabeak
2
Ziurtasuna
59.3%
Batez bestekoa
76.1%
Interpretazioa
Zuzenak
21
Okerrak
14
Erantzun gabeak
7
Ziurtasuna
50.0%
Batez bestekoa
70.7%
Legala
Zuzenak
3
Okerrak
1
Erantzun gabeak
0
Ziurtasuna
75.0%
Batez bestekoa
64.6%
Prebentzioa
Zuzenak
5
Okerrak
5
Erantzun gabeak
2
Ziurtasuna
41.7%
Batez bestekoa
75.6%
Probak
Zuzenak
21
Okerrak
5
Erantzun gabeak
1
Ziurtasuna
77.8%
Batez bestekoa
77.9%
Pronostikoa
Zuzenak
6
Okerrak
1
Erantzun gabeak
0
Ziurtasuna
85.7%
Batez bestekoa
80.8%
Tratamendua
Zuzenak
56
Okerrak
20
Erantzun gabeak
5
Ziurtasuna
69.1%
Batez bestekoa
77.3%
#ErantzunaZuzenaEgoera
1BB
2A
3CC
4AB
5A
6CC
7DC
8CA
9AA
10D
11DD
12DD
13AB
14DD
15BBaliogabetua
16CB
17AB
18CA
19CC
20AA
21BB
22CD
23C
24DD
25CC
26CBaliogabetua
27DC
28CBaliogabetua
29DD
30AB
31AD
32AA
33DD
34DD
35BB
36DD
37AC
38CC
39BD
40AA
41DD
42CC
43DB
44DD
45AD
46AA
47AA
48AA
49AD
50BB
51DC
52BB
53DD
54DB
55AA
56BBaliogabetua
57CC
58BB
59DD
60A
61BA
62DD
63BB
64DD
65A
66AA
67BB
68DB
69CB
70AA
71DD
72AA
73BD
74CC
75AA
76BB
77BB
78BB
79C
80CC
81CC
82AD
83BB
84DD
85AC
86CC
87BA
88DD
89AB
90AA
91DB
92CC
93BB
94CC
95AA
96CC
97CD
98CC
99BA
100CC
101BB
102DD
103AA
104CC
105AA
106CC
107BB
108DD
109BB
110CC
111AA
112CC
113BB
114DD
115DD
116C
117AA
118DD
119BC
120BB
121DD
122CC
123CC
124CC
125DD
126BD
127BB
128DD
129AA
130DD
131BD
132A
133BB
134AC
135BB
136CC
137A
138DD
139DD
140DB
141AA
142AA
143BB
144BB
145CD
146CC
147BB
148BA
149AA
150DD
151AA
152AA
153BB
154BB
155AB
156CC
157AA
158CC
159BC
160A
161CA
162CBaliogabetua
163DD
164AC
165AA
166CB
167AC
168DD
169DB
170BB
171CC
172CA
173A
174BB
175AB
176CC
177CC
178BA
179AD
180AA
181BB
182CC
183BB
184BB
185BB
186DBaliogabetua
187C
188DD
189DD
190AA
191BB
192AA
193CC
194AA
195A
196AA
197BB
198CC
199DD
200CC
201BB
202AA
203DD
204DC
205BB
206CD
207AA
208AC
209CC
210BB