MedicalBenchmark
Meta: Llama 3.1 8B Instruct provider

Llama 3.1 8B Instruct

271

#271 290 modeloetatikMIR 2026

Puntuazio garbia

63.33 pts

Ziurtasuna

43.0%

Zuzenak / Okerrak

86 / 68

Kostu osoa

$0.02

Errendimendu Orokorra

(vs. batez bestekoa)
Ziurtasuna

43.0%

avg: 81.6%

Puntuazio garbia

63.33 pts

avg: 154.00 pts

Zuzenak

86

avg: 163

Okerrak

68

avg: 28

Kostu osoa

$0.02

avg: $3.33

Batez besteko erantzun-denbora

29.1s

avg: 16.2s

Irteerako tokenak

293K

avg: 430K

Arrazonamendu tokenak

0

avg: 310K

Batez besteko konfiantza

78.6%

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
5
Erantzun gabeak
0
Ziurtasuna
28.6%
Batez bestekoa
69.6%
Dermatologia
Zuzenak
4
Okerrak
2
Erantzun gabeak
5
Ziurtasuna
36.4%
Batez bestekoa
72.3%
Endokrinologia eta Nutrizioa
Zuzenak
6
Okerrak
5
Erantzun gabeak
4
Ziurtasuna
40.0%
Batez bestekoa
84.0%
Epidemiologia
Zuzenak
4
Okerrak
3
Erantzun gabeak
0
Ziurtasuna
57.1%
Batez bestekoa
80.2%
Erradiologia-Larrialdiak
Zuzenak
5
Okerrak
6
Erantzun gabeak
2
Ziurtasuna
38.5%
Batez bestekoa
67.7%
Erreumatologia
Zuzenak
6
Okerrak
3
Erantzun gabeak
2
Ziurtasuna
54.5%
Batez bestekoa
88.4%
Estatistika
Zuzenak
2
Okerrak
0
Erantzun gabeak
0
Ziurtasuna
100.0%
Batez bestekoa
83.8%
Farmakologia
Zuzenak
5
Okerrak
3
Erantzun gabeak
3
Ziurtasuna
45.5%
Batez bestekoa
78.6%
Gaixotasun Infekziosoak
Zuzenak
3
Okerrak
9
Erantzun gabeak
2
Ziurtasuna
21.4%
Batez bestekoa
77.9%
Gastroenterologia
Zuzenak
14
Okerrak
8
Erantzun gabeak
8
Ziurtasuna
46.7%
Batez bestekoa
79.3%
Genetika
Zuzenak
6
Okerrak
3
Erantzun gabeak
2
Ziurtasuna
54.5%
Batez bestekoa
78.7%
Geriatria
Zuzenak
3
Okerrak
6
Erantzun gabeak
4
Ziurtasuna
23.1%
Batez bestekoa
83.0%
Ginekologia eta Obstetrizia
Zuzenak
4
Okerrak
4
Erantzun gabeak
4
Ziurtasuna
33.3%
Batez bestekoa
84.3%
Hematologia
Zuzenak
3
Okerrak
4
Erantzun gabeak
2
Ziurtasuna
33.3%
Batez bestekoa
76.6%
Immunologia
Zuzenak
5
Okerrak
0
Erantzun gabeak
1
Ziurtasuna
83.3%
Batez bestekoa
91.4%
Kardiologia
Zuzenak
7
Okerrak
9
Erantzun gabeak
9
Ziurtasuna
28.0%
Batez bestekoa
77.3%
Medikuntza Legala eta Bioetika
Zuzenak
6
Okerrak
3
Erantzun gabeak
2
Ziurtasuna
54.5%
Batez bestekoa
82.9%
Nefrologia
Zuzenak
5
Okerrak
3
Erantzun gabeak
2
Ziurtasuna
50.0%
Batez bestekoa
85.1%
Neurologia
Zuzenak
7
Okerrak
4
Erantzun gabeak
2
Ziurtasuna
53.8%
Batez bestekoa
88.6%
Oftalmologia
Zuzenak
2
Okerrak
2
Erantzun gabeak
1
Ziurtasuna
40.0%
Batez bestekoa
83.7%
Onkologia Medikoa
Zuzenak
10
Okerrak
5
Erantzun gabeak
8
Ziurtasuna
43.5%
Batez bestekoa
83.0%
ORL
Zuzenak
4
Okerrak
3
Erantzun gabeak
1
Ziurtasuna
50.0%
Batez bestekoa
84.7%
Osasun Plangintza eta Kudeaketa
Zuzenak
4
Okerrak
3
Erantzun gabeak
3
Ziurtasuna
40.0%
Batez bestekoa
78.4%
Pediatria
Zuzenak
11
Okerrak
6
Erantzun gabeak
5
Ziurtasuna
50.0%
Batez bestekoa
87.6%
Pneumologia
Zuzenak
6
Okerrak
6
Erantzun gabeak
4
Ziurtasuna
37.5%
Batez bestekoa
82.8%
Psikiatria
Zuzenak
2
Okerrak
4
Erantzun gabeak
2
Ziurtasuna
25.0%
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
4
Okerrak
2
Erantzun gabeak
0
Ziurtasuna
66.7%
Batez bestekoa
80.2%

Galdera motaren araberako xehetasuna

Anatomia
Zuzenak
1
Okerrak
2
Erantzun gabeak
0
Ziurtasuna
33.3%
Batez bestekoa
82.6%
Arriskua
Zuzenak
4
Okerrak
9
Erantzun gabeak
2
Ziurtasuna
26.7%
Batez bestekoa
84.3%
Biostatistika
Zuzenak
2
Okerrak
0
Erantzun gabeak
0
Ziurtasuna
100.0%
Batez bestekoa
83.8%
Diagnostikoa
Zuzenak
31
Okerrak
25
Erantzun gabeak
25
Ziurtasuna
38.3%
Batez bestekoa
82.2%
Epidemiologia
Zuzenak
7
Okerrak
2
Erantzun gabeak
0
Ziurtasuna
77.8%
Batez bestekoa
88.7%
Etika
Zuzenak
5
Okerrak
1
Erantzun gabeak
0
Ziurtasuna
83.3%
Batez bestekoa
92.0%
Farmakologia
Zuzenak
7
Okerrak
3
Erantzun gabeak
5
Ziurtasuna
46.7%
Batez bestekoa
82.3%
Fisiopatologia
Zuzenak
13
Okerrak
8
Erantzun gabeak
5
Ziurtasuna
50.0%
Batez bestekoa
84.3%
Interpretazioa
Zuzenak
12
Okerrak
10
Erantzun gabeak
15
Ziurtasuna
32.4%
Batez bestekoa
72.0%
Legala
Zuzenak
4
Okerrak
2
Erantzun gabeak
3
Ziurtasuna
44.4%
Batez bestekoa
82.4%
Prebentzioa
Zuzenak
7
Okerrak
8
Erantzun gabeak
1
Ziurtasuna
43.8%
Batez bestekoa
80.6%
Probak
Zuzenak
14
Okerrak
12
Erantzun gabeak
7
Ziurtasuna
42.4%
Batez bestekoa
80.3%
Pronostikoa
Zuzenak
4
Okerrak
1
Erantzun gabeak
0
Ziurtasuna
80.0%
Batez bestekoa
93.2%
Tratamendua
Zuzenak
29
Okerrak
26
Erantzun gabeak
17
Ziurtasuna
40.3%
Batez bestekoa
80.1%
#ErantzunaZuzenaEgoera
1A
2BB
3D
4DD
5BB
6C
7AB
8AD
9DD
10A
11AB
12A
13Baliogabetua
14BC
15A
16C
17C
18BD
19DB
20B
21BB
22C
23AB
24AA
25CC
26DA
27BB
28DD
29AA
30BD
31DC
32CC
33BB
34AB
35C
36CD
37CD
38DA
39AC
40AA
41CD
42AA
43BB
44BB
45BB
46B
47D
48C
49AC
50ABaliogabetua
51A
52CC
53CC
54AC
55DA
56CA
57A
58BA
59BB
60CB
61C
62B
63DB
64Baliogabetua
65CC
66C
67CC
68AA
69BB
70CB
71BB
72BB
73DB
74AA
75CC
76C
77AA
78DD
79AA
80BD
81C
82D
83B
84AA
85DD
86AA
87BB
88BB
89BB
90C
91BA
92AC
93D
94BC
95CC
96AB
97B
98BA
99B
100CC
101CC
102DA
103CC
104CC
105CC
106CB
107CC
108AA
109C
110DC
111AB
112C
113C
114DD
115DB
116CD
117CC
118AB
119DA
120A
121C
122B
123B
124AB
125CC
126CB
127C
128BB
129AC
130CC
131BB
132AB
133C
134BB
135CC
136CB
137DD
138DB
139ABaliogabetua
140D
141CA
142ABaliogabetua
143CA
144DD
145DC
146BC
147B
148CC
149BB
150BB
151BB
152CC
153CC
154D
155BB
156AA
157DD
158BB
159BC
160AA
161Baliogabetua
162A
163BC
164CC
165BA
166AA
167BD
168CC
169AB
170BB
171AA
172AB
173CD
174C
175BB
176A
177AD
178BD
179B
180BC
181BB
182CC
183DD
184AD
185DB
186DD
187DD
188BC
189CC
190AB
191DD
192BD
193CC
194C
195D
196AA
197AC
198BA
199DB
200DD
201CC
202AA
203AA
204C
205BB
206AC
207BA
208ABaliogabetua
209B
210CC