MedicalBenchmark
AllenAI: Olmo 3 7B Instruct provider

Olmo 3 7B Instruct

304

#304 319 modeloetatik — MIR 2026

Puntuazio garbia

56.33 pts

Ziurtasuna

44.0%

Zuzenak / Okerrak

88 / 95

Kostu osoa

$0.05

Errendimendu Orokorra

(vs. batez bestekoa)
Ziurtasuna

44.0%

avg: 82.4%

Puntuazio garbia

56.33 pts

avg: 156.14 pts

Zuzenak

88

avg: 165

Okerrak

95

avg: 26

Kostu osoa

$0.05

avg: $3.12

Batez besteko erantzun-denbora

17.6s

avg: 17.4s

Irteerako tokenak

172K

avg: 415K

Arrazonamendu tokenak

0

avg: 295K

Batez besteko konfiantza

84.9%

avg: 95.4%

Irakasgaien araberako xehetasuna

Alergologia
Zuzenak
0
Okerrak
1
Erantzun gabeak
0
Ziurtasuna
0.0%
Batez bestekoa
96.9%
Anestesiologia eta Bizkortzea
Zuzenak
3
Okerrak
3
Erantzun gabeak
1
Ziurtasuna
42.9%
Batez bestekoa
71.0%
Dermatologia
Zuzenak
7
Okerrak
3
Erantzun gabeak
1
Ziurtasuna
63.6%
Batez bestekoa
73.2%
Endokrinologia eta Nutrizioa
Zuzenak
8
Okerrak
7
Erantzun gabeak
0
Ziurtasuna
53.3%
Batez bestekoa
84.7%
Epidemiologia
Zuzenak
1
Okerrak
4
Erantzun gabeak
2
Ziurtasuna
14.3%
Batez bestekoa
81.3%
Erradiologia-Larrialdiak
Zuzenak
2
Okerrak
10
Erantzun gabeak
1
Ziurtasuna
15.4%
Batez bestekoa
69.4%
Erreumatologia
Zuzenak
6
Okerrak
3
Erantzun gabeak
2
Ziurtasuna
54.5%
Batez bestekoa
89.0%
Estatistika
Zuzenak
0
Okerrak
1
Erantzun gabeak
1
Ziurtasuna
0.0%
Batez bestekoa
84.5%
Farmakologia
Zuzenak
4
Okerrak
6
Erantzun gabeak
1
Ziurtasuna
36.4%
Batez bestekoa
79.6%
Gaixotasun Infekziosoak
Zuzenak
7
Okerrak
5
Erantzun gabeak
2
Ziurtasuna
50.0%
Batez bestekoa
79.0%
Gastroenterologia
Zuzenak
18
Okerrak
11
Erantzun gabeak
1
Ziurtasuna
60.0%
Batez bestekoa
80.2%
Genetika
Zuzenak
5
Okerrak
5
Erantzun gabeak
1
Ziurtasuna
45.5%
Batez bestekoa
79.7%
Geriatria
Zuzenak
6
Okerrak
7
Erantzun gabeak
0
Ziurtasuna
46.2%
Batez bestekoa
83.7%
Ginekologia eta Obstetrizia
Zuzenak
4
Okerrak
7
Erantzun gabeak
1
Ziurtasuna
33.3%
Batez bestekoa
85.2%
Hematologia
Zuzenak
3
Okerrak
4
Erantzun gabeak
2
Ziurtasuna
33.3%
Batez bestekoa
77.6%
Immunologia
Zuzenak
5
Okerrak
1
Erantzun gabeak
0
Ziurtasuna
83.3%
Batez bestekoa
91.8%
Kardiologia
Zuzenak
8
Okerrak
17
Erantzun gabeak
0
Ziurtasuna
32.0%
Batez bestekoa
78.4%
Medikuntza Legala eta Bioetika
Zuzenak
4
Okerrak
6
Erantzun gabeak
1
Ziurtasuna
36.4%
Batez bestekoa
83.4%
Nefrologia
Zuzenak
3
Okerrak
6
Erantzun gabeak
1
Ziurtasuna
30.0%
Batez bestekoa
85.6%
Neurologia
Zuzenak
4
Okerrak
7
Erantzun gabeak
2
Ziurtasuna
30.8%
Batez bestekoa
89.0%
Oftalmologia
Zuzenak
1
Okerrak
4
Erantzun gabeak
0
Ziurtasuna
20.0%
Batez bestekoa
84.5%
Onkologia Medikoa
Zuzenak
12
Okerrak
10
Erantzun gabeak
1
Ziurtasuna
52.2%
Batez bestekoa
83.7%
ORL
Zuzenak
4
Okerrak
3
Erantzun gabeak
1
Ziurtasuna
50.0%
Batez bestekoa
85.0%
Osasun Plangintza eta Kudeaketa
Zuzenak
4
Okerrak
3
Erantzun gabeak
3
Ziurtasuna
40.0%
Batez bestekoa
79.4%
Pediatria
Zuzenak
12
Okerrak
8
Erantzun gabeak
2
Ziurtasuna
54.5%
Batez bestekoa
88.1%
Pneumologia
Zuzenak
11
Okerrak
5
Erantzun gabeak
0
Ziurtasuna
68.8%
Batez bestekoa
83.6%
Psikiatria
Zuzenak
3
Okerrak
4
Erantzun gabeak
1
Ziurtasuna
37.5%
Batez bestekoa
88.4%
Traumatologia
Zuzenak
5
Okerrak
5
Erantzun gabeak
1
Ziurtasuna
45.5%
Batez bestekoa
66.6%
Urologia
Zuzenak
3
Okerrak
5
Erantzun gabeak
0
Ziurtasuna
37.5%
Batez bestekoa
83.1%
Zainketa Aringarriak
Zuzenak
2
Okerrak
4
Erantzun gabeak
0
Ziurtasuna
33.3%
Batez bestekoa
80.8%

Galdera motaren araberako xehetasuna

Anatomia
Zuzenak
1
Okerrak
2
Erantzun gabeak
0
Ziurtasuna
33.3%
Batez bestekoa
83.4%
Arriskua
Zuzenak
5
Okerrak
9
Erantzun gabeak
1
Ziurtasuna
33.3%
Batez bestekoa
85.0%
Biostatistika
Zuzenak
0
Okerrak
1
Erantzun gabeak
1
Ziurtasuna
0.0%
Batez bestekoa
84.5%
Diagnostikoa
Zuzenak
27
Okerrak
48
Erantzun gabeak
6
Ziurtasuna
33.3%
Batez bestekoa
83.0%
Epidemiologia
Zuzenak
3
Okerrak
4
Erantzun gabeak
2
Ziurtasuna
33.3%
Batez bestekoa
89.1%
Etika
Zuzenak
4
Okerrak
2
Erantzun gabeak
0
Ziurtasuna
66.7%
Batez bestekoa
92.2%
Farmakologia
Zuzenak
8
Okerrak
6
Erantzun gabeak
1
Ziurtasuna
53.3%
Batez bestekoa
83.1%
Fisiopatologia
Zuzenak
14
Okerrak
9
Erantzun gabeak
3
Ziurtasuna
53.8%
Batez bestekoa
85.0%
Interpretazioa
Zuzenak
13
Okerrak
20
Erantzun gabeak
4
Ziurtasuna
35.1%
Batez bestekoa
73.2%
Legala
Zuzenak
4
Okerrak
4
Erantzun gabeak
1
Ziurtasuna
44.4%
Batez bestekoa
82.9%
Prebentzioa
Zuzenak
7
Okerrak
7
Erantzun gabeak
2
Ziurtasuna
43.8%
Batez bestekoa
81.5%
Probak
Zuzenak
15
Okerrak
17
Erantzun gabeak
1
Ziurtasuna
45.5%
Batez bestekoa
81.2%
Pronostikoa
Zuzenak
2
Okerrak
1
Erantzun gabeak
2
Ziurtasuna
40.0%
Batez bestekoa
93.2%
Tratamendua
Zuzenak
35
Okerrak
32
Erantzun gabeak
5
Ziurtasuna
48.6%
Batez bestekoa
80.9%
#ErantzunaZuzenaEgoera
1BA
2CB
3AD
4CD
5BB
6—C
7AB
8BD
9DD
10AA
11AB
12AA
13B—Baliogabetua
14BC
15BA
16CC
17CC
18BD
19DB
20BB
21BB
22CC
23CB
24DA
25AC
26—A
27BB
28CD
29CA
30—D
31DC
32BC
33—B
34AB
35CC
36CD
37DD
38AA
39CC
40CA
41CD
42AA
43BB
44BB
45—B
46BB
47DD
48CC
49CC
50A—Baliogabetua
51BA
52BC
53DC
54BC
55CA
56CA
57—A
58BA
59DB
60BB
61CC
62—B
63AB
64C—Baliogabetua
65DC
66DC
67CC
68AA
69BB
70BB
71AB
72BB
73BB
74AA
75BC
76CC
77AA
78CD
79AA
80DD
81CC
82CD
83BB
84BA
85BD
86DA
87BB
88CB
89BB
90CC
91AA
92AC
93BD
94BC
95AC
96—B
97CB
98AA
99BB
100CC
101CC
102—A
103CC
104DC
105CC
106CB
107CC
108BA
109AC
110AC
111AB
112CC
113CC
114DD
115AB
116CD
117CC
118AB
119DA
120CA
121AC
122AB
123CB
124DB
125BC
126BB
127CC
128BB
129BC
130CC
131BB
132CB
133CC
134CB
135BC
136AB
137CD
138—B
139C—Baliogabetua
140DD
141BA
142B—Baliogabetua
143AA
144DD
145—C
146AC
147BB
148—C
149BB
150BB
151BB
152CC
153CC
154BD
155BB
156CA
157DD
158BB
159BC
160AA
161C—Baliogabetua
162AA
163BC
164AC
165BA
166DA
167—D
168AC
169—B
170CB
171AA
172AB
173DD
174AC
175BB
176—A
177CD
178AD
179—B
180CC
181DB
182CC
183—D
184DD
185AB
186DD
187DD
188CC
189CC
190AB
191BD
192BD
193CC
194CC
195AD
196DA
197CC
198DA
199BB
200AD
201AC
202BA
203AA
204AC
205BB
206CC
207AA
208D—Baliogabetua
209CB
210BC