MedicalBenchmark
Meta: Llama 3 8B Instruct provider

Llama 3 8B Instruct

263

#263 290 modeloetatikMIR 2026

Puntuazio garbia

73.00 pts

Ziurtasuna

49.5%

Zuzenak / Okerrak

99 / 78

Kostu osoa

$0.01

Errendimendu Orokorra

(vs. batez bestekoa)
Ziurtasuna

49.5%

avg: 81.6%

Puntuazio garbia

73.00 pts

avg: 154.00 pts

Zuzenak

99

avg: 163

Okerrak

78

avg: 28

Kostu osoa

$0.01

avg: $3.33

Batez besteko erantzun-denbora

11.4s

avg: 16.2s

Irteerako tokenak

151K

avg: 430K

Arrazonamendu tokenak

0

avg: 310K

Batez besteko konfiantza

85.5%

avg: 95.1%

Irakasgaien araberako xehetasuna

Alergologia
Zuzenak
1
Okerrak
0
Erantzun gabeak
0
Ziurtasuna
100.0%
Batez bestekoa
96.9%
Anestesiologia eta Bizkortzea
Zuzenak
2
Okerrak
4
Erantzun gabeak
1
Ziurtasuna
28.6%
Batez bestekoa
69.6%
Dermatologia
Zuzenak
3
Okerrak
6
Erantzun gabeak
2
Ziurtasuna
27.3%
Batez bestekoa
72.3%
Endokrinologia eta Nutrizioa
Zuzenak
8
Okerrak
6
Erantzun gabeak
1
Ziurtasuna
53.3%
Batez bestekoa
84.0%
Epidemiologia
Zuzenak
6
Okerrak
0
Erantzun gabeak
1
Ziurtasuna
85.7%
Batez bestekoa
80.2%
Erradiologia-Larrialdiak
Zuzenak
3
Okerrak
8
Erantzun gabeak
2
Ziurtasuna
23.1%
Batez bestekoa
67.7%
Erreumatologia
Zuzenak
6
Okerrak
4
Erantzun gabeak
1
Ziurtasuna
54.5%
Batez bestekoa
88.4%
Estatistika
Zuzenak
1
Okerrak
0
Erantzun gabeak
1
Ziurtasuna
50.0%
Batez bestekoa
83.8%
Farmakologia
Zuzenak
3
Okerrak
8
Erantzun gabeak
0
Ziurtasuna
27.3%
Batez bestekoa
78.6%
Gaixotasun Infekziosoak
Zuzenak
7
Okerrak
7
Erantzun gabeak
0
Ziurtasuna
50.0%
Batez bestekoa
77.9%
Gastroenterologia
Zuzenak
15
Okerrak
14
Erantzun gabeak
1
Ziurtasuna
50.0%
Batez bestekoa
79.3%
Genetika
Zuzenak
4
Okerrak
5
Erantzun gabeak
2
Ziurtasuna
36.4%
Batez bestekoa
78.7%
Geriatria
Zuzenak
5
Okerrak
4
Erantzun gabeak
4
Ziurtasuna
38.5%
Batez bestekoa
83.0%
Ginekologia eta Obstetrizia
Zuzenak
5
Okerrak
5
Erantzun gabeak
2
Ziurtasuna
41.7%
Batez bestekoa
84.3%
Hematologia
Zuzenak
2
Okerrak
5
Erantzun gabeak
2
Ziurtasuna
22.2%
Batez bestekoa
76.6%
Immunologia
Zuzenak
5
Okerrak
1
Erantzun gabeak
0
Ziurtasuna
83.3%
Batez bestekoa
91.4%
Kardiologia
Zuzenak
8
Okerrak
11
Erantzun gabeak
6
Ziurtasuna
32.0%
Batez bestekoa
77.3%
Medikuntza Legala eta Bioetika
Zuzenak
9
Okerrak
1
Erantzun gabeak
1
Ziurtasuna
81.8%
Batez bestekoa
82.9%
Nefrologia
Zuzenak
6
Okerrak
4
Erantzun gabeak
0
Ziurtasuna
60.0%
Batez bestekoa
85.1%
Neurologia
Zuzenak
7
Okerrak
3
Erantzun gabeak
3
Ziurtasuna
53.8%
Batez bestekoa
88.6%
Oftalmologia
Zuzenak
2
Okerrak
3
Erantzun gabeak
0
Ziurtasuna
40.0%
Batez bestekoa
83.7%
Onkologia Medikoa
Zuzenak
14
Okerrak
8
Erantzun gabeak
1
Ziurtasuna
60.9%
Batez bestekoa
83.0%
ORL
Zuzenak
5
Okerrak
2
Erantzun gabeak
1
Ziurtasuna
62.5%
Batez bestekoa
84.7%
Osasun Plangintza eta Kudeaketa
Zuzenak
7
Okerrak
2
Erantzun gabeak
1
Ziurtasuna
70.0%
Batez bestekoa
78.4%
Pediatria
Zuzenak
15
Okerrak
5
Erantzun gabeak
2
Ziurtasuna
68.2%
Batez bestekoa
87.6%
Pneumologia
Zuzenak
7
Okerrak
8
Erantzun gabeak
1
Ziurtasuna
43.8%
Batez bestekoa
82.8%
Psikiatria
Zuzenak
3
Okerrak
4
Erantzun gabeak
1
Ziurtasuna
37.5%
Batez bestekoa
87.9%
Traumatologia
Zuzenak
3
Okerrak
6
Erantzun gabeak
2
Ziurtasuna
27.3%
Batez bestekoa
65.2%
Urologia
Zuzenak
7
Okerrak
1
Erantzun gabeak
0
Ziurtasuna
87.5%
Batez bestekoa
82.5%
Zainketa Aringarriak
Zuzenak
6
Okerrak
0
Erantzun gabeak
0
Ziurtasuna
100.0%
Batez bestekoa
80.2%

Galdera motaren araberako xehetasuna

Anatomia
Zuzenak
2
Okerrak
1
Erantzun gabeak
0
Ziurtasuna
66.7%
Batez bestekoa
82.6%
Arriskua
Zuzenak
10
Okerrak
5
Erantzun gabeak
0
Ziurtasuna
66.7%
Batez bestekoa
84.3%
Biostatistika
Zuzenak
1
Okerrak
0
Erantzun gabeak
1
Ziurtasuna
50.0%
Batez bestekoa
83.8%
Diagnostikoa
Zuzenak
34
Okerrak
37
Erantzun gabeak
10
Ziurtasuna
42.0%
Batez bestekoa
82.2%
Epidemiologia
Zuzenak
8
Okerrak
0
Erantzun gabeak
1
Ziurtasuna
88.9%
Batez bestekoa
88.7%
Etika
Zuzenak
5
Okerrak
0
Erantzun gabeak
1
Ziurtasuna
83.3%
Batez bestekoa
92.0%
Farmakologia
Zuzenak
6
Okerrak
8
Erantzun gabeak
1
Ziurtasuna
40.0%
Batez bestekoa
82.3%
Fisiopatologia
Zuzenak
15
Okerrak
7
Erantzun gabeak
4
Ziurtasuna
57.7%
Batez bestekoa
84.3%
Interpretazioa
Zuzenak
11
Okerrak
21
Erantzun gabeak
5
Ziurtasuna
29.7%
Batez bestekoa
72.0%
Legala
Zuzenak
6
Okerrak
1
Erantzun gabeak
2
Ziurtasuna
66.7%
Batez bestekoa
82.4%
Prebentzioa
Zuzenak
9
Okerrak
6
Erantzun gabeak
1
Ziurtasuna
56.3%
Batez bestekoa
80.6%
Probak
Zuzenak
10
Okerrak
17
Erantzun gabeak
6
Ziurtasuna
30.3%
Batez bestekoa
80.3%
Pronostikoa
Zuzenak
5
Okerrak
0
Erantzun gabeak
0
Ziurtasuna
100.0%
Batez bestekoa
93.2%
Tratamendua
Zuzenak
33
Okerrak
33
Erantzun gabeak
6
Ziurtasuna
45.8%
Batez bestekoa
80.1%
#ErantzunaZuzenaEgoera
1BA
2BB
3AD
4CD
5BB
6DC
7AB
8BD
9D
10BA
11B
12CA
13ABaliogabetua
14AC
15DA
16CC
17BC
18BD
19BB
20DB
21CB
22AC
23BB
24DA
25CC
26CA
27BB
28DD
29AA
30DD
31CC
32CC
33B
34BB
35BC
36BD
37CD
38DA
39AC
40AA
41DD
42BA
43BB
44BB
45BB
46BB
47DD
48CC
49CC
50DBaliogabetua
51CA
52AC
53CC
54AC
55BA
56CA
57A
58BA
59AB
60CB
61C
62CB
63BB
64CBaliogabetua
65CC
66DC
67AC
68AA
69CB
70BB
71BB
72B
73BB
74AA
75CC
76CC
77CA
78DD
79AA
80AD
81CC
82DD
83B
84AA
85DD
86AA
87BB
88BB
89B
90CC
91BA
92CC
93AD
94AC
95CC
96CB
97BB
98AA
99BB
100CC
101C
102AA
103CC
104CC
105CC
106AB
107DC
108AA
109AC
110AC
111AB
112AC
113C
114AD
115AB
116CD
117BC
118DB
119AA
120A
121C
122BB
123B
124BB
125CC
126B
127CC
128BB
129CC
130CC
131BB
132CB
133C
134B
135CC
136CB
137CD
138BB
139Baliogabetua
140CD
141AA
142CBaliogabetua
143BA
144BD
145CC
146DC
147BB
148CC
149BB
150DB
151BB
152CC
153BC
154CD
155B
156DA
157DD
158BB
159C
160AA
161Baliogabetua
162AA
163AC
164AC
165A
166AA
167DD
168CC
169AB
170BB
171AA
172B
173AD
174AC
175BB
176A
177AD
178BD
179AB
180BC
181BB
182CC
183DD
184DD
185DB
186DD
187DD
188CC
189CC
190AB
191DD
192AD
193CC
194CC
195DD
196DA
197CC
198BA
199B
200DD
201CC
202A
203AA
204CC
205BB
206BC
207A
208ABaliogabetua
209CB
210CC