MedicalBenchmark
Meta: Llama 3.2 11B Vision Instruct provider

Llama 3.2 11B Vision Instruct

306

#306 319 modeloetatikMIR 2026

Puntuazio garbia

52.00 pts

Ziurtasuna

33.0%

Zuzenak / Okerrak

66 / 42

Kostu osoa

$0.04

Errendimendu Orokorra

(vs. batez bestekoa)
Ziurtasuna

33.0%

avg: 82.4%

Puntuazio garbia

52.00 pts

avg: 156.14 pts

Zuzenak

66

avg: 165

Okerrak

42

avg: 26

Kostu osoa

$0.04

avg: $3.12

Batez besteko erantzun-denbora

50.6s

avg: 17.4s

Irteerako tokenak

261K

avg: 415K

Arrazonamendu tokenak

0

avg: 295K

Batez besteko konfiantza

53.8%

avg: 95.4%

Irakasgaien araberako xehetasuna

Alergologia
Zuzenak
1
Okerrak
0
Erantzun gabeak
0
Ziurtasuna
100.0%
Batez bestekoa
96.9%
Anestesiologia eta Bizkortzea
Zuzenak
1
Okerrak
2
Erantzun gabeak
4
Ziurtasuna
14.3%
Batez bestekoa
71.0%
Dermatologia
Zuzenak
1
Okerrak
3
Erantzun gabeak
7
Ziurtasuna
9.1%
Batez bestekoa
73.2%
Endokrinologia eta Nutrizioa
Zuzenak
7
Okerrak
3
Erantzun gabeak
5
Ziurtasuna
46.7%
Batez bestekoa
84.7%
Epidemiologia
Zuzenak
2
Okerrak
1
Erantzun gabeak
4
Ziurtasuna
28.6%
Batez bestekoa
81.3%
Erradiologia-Larrialdiak
Zuzenak
3
Okerrak
5
Erantzun gabeak
5
Ziurtasuna
23.1%
Batez bestekoa
69.4%
Erreumatologia
Zuzenak
3
Okerrak
3
Erantzun gabeak
5
Ziurtasuna
27.3%
Batez bestekoa
89.0%
Estatistika
Zuzenak
1
Okerrak
0
Erantzun gabeak
1
Ziurtasuna
50.0%
Batez bestekoa
84.5%
Farmakologia
Zuzenak
2
Okerrak
3
Erantzun gabeak
6
Ziurtasuna
18.2%
Batez bestekoa
79.6%
Gaixotasun Infekziosoak
Zuzenak
2
Okerrak
4
Erantzun gabeak
8
Ziurtasuna
14.3%
Batez bestekoa
79.0%
Gastroenterologia
Zuzenak
10
Okerrak
6
Erantzun gabeak
14
Ziurtasuna
33.3%
Batez bestekoa
80.2%
Genetika
Zuzenak
6
Okerrak
3
Erantzun gabeak
2
Ziurtasuna
54.5%
Batez bestekoa
79.7%
Geriatria
Zuzenak
3
Okerrak
5
Erantzun gabeak
5
Ziurtasuna
23.1%
Batez bestekoa
83.7%
Ginekologia eta Obstetrizia
Zuzenak
6
Okerrak
1
Erantzun gabeak
5
Ziurtasuna
50.0%
Batez bestekoa
85.2%
Hematologia
Zuzenak
4
Okerrak
1
Erantzun gabeak
4
Ziurtasuna
44.4%
Batez bestekoa
77.6%
Immunologia
Zuzenak
2
Okerrak
2
Erantzun gabeak
2
Ziurtasuna
33.3%
Batez bestekoa
91.8%
Kardiologia
Zuzenak
7
Okerrak
6
Erantzun gabeak
12
Ziurtasuna
28.0%
Batez bestekoa
78.4%
Medikuntza Legala eta Bioetika
Zuzenak
6
Okerrak
1
Erantzun gabeak
4
Ziurtasuna
54.5%
Batez bestekoa
83.4%
Nefrologia
Zuzenak
4
Okerrak
2
Erantzun gabeak
4
Ziurtasuna
40.0%
Batez bestekoa
85.6%
Neurologia
Zuzenak
6
Okerrak
2
Erantzun gabeak
5
Ziurtasuna
46.2%
Batez bestekoa
89.0%
Oftalmologia
Zuzenak
2
Okerrak
1
Erantzun gabeak
2
Ziurtasuna
40.0%
Batez bestekoa
84.5%
Onkologia Medikoa
Zuzenak
7
Okerrak
3
Erantzun gabeak
13
Ziurtasuna
30.4%
Batez bestekoa
83.7%
ORL
Zuzenak
6
Okerrak
0
Erantzun gabeak
2
Ziurtasuna
75.0%
Batez bestekoa
85.0%
Osasun Plangintza eta Kudeaketa
Zuzenak
2
Okerrak
2
Erantzun gabeak
6
Ziurtasuna
20.0%
Batez bestekoa
79.4%
Pediatria
Zuzenak
7
Okerrak
6
Erantzun gabeak
9
Ziurtasuna
31.8%
Batez bestekoa
88.1%
Pneumologia
Zuzenak
3
Okerrak
4
Erantzun gabeak
9
Ziurtasuna
18.8%
Batez bestekoa
83.6%
Psikiatria
Zuzenak
0
Okerrak
3
Erantzun gabeak
5
Ziurtasuna
0.0%
Batez bestekoa
88.4%
Traumatologia
Zuzenak
3
Okerrak
4
Erantzun gabeak
4
Ziurtasuna
27.3%
Batez bestekoa
66.6%
Urologia
Zuzenak
3
Okerrak
0
Erantzun gabeak
5
Ziurtasuna
37.5%
Batez bestekoa
83.1%
Zainketa Aringarriak
Zuzenak
5
Okerrak
0
Erantzun gabeak
1
Ziurtasuna
83.3%
Batez bestekoa
80.8%

Galdera motaren araberako xehetasuna

Anatomia
Zuzenak
1
Okerrak
1
Erantzun gabeak
1
Ziurtasuna
33.3%
Batez bestekoa
83.4%
Arriskua
Zuzenak
5
Okerrak
2
Erantzun gabeak
8
Ziurtasuna
33.3%
Batez bestekoa
85.0%
Biostatistika
Zuzenak
1
Okerrak
0
Erantzun gabeak
1
Ziurtasuna
50.0%
Batez bestekoa
84.5%
Diagnostikoa
Zuzenak
27
Okerrak
15
Erantzun gabeak
39
Ziurtasuna
33.3%
Batez bestekoa
83.0%
Epidemiologia
Zuzenak
4
Okerrak
1
Erantzun gabeak
4
Ziurtasuna
44.4%
Batez bestekoa
89.1%
Etika
Zuzenak
5
Okerrak
0
Erantzun gabeak
1
Ziurtasuna
83.3%
Batez bestekoa
92.2%
Farmakologia
Zuzenak
5
Okerrak
4
Erantzun gabeak
6
Ziurtasuna
33.3%
Batez bestekoa
83.1%
Fisiopatologia
Zuzenak
12
Okerrak
7
Erantzun gabeak
7
Ziurtasuna
46.2%
Batez bestekoa
85.0%
Interpretazioa
Zuzenak
14
Okerrak
10
Erantzun gabeak
13
Ziurtasuna
37.8%
Batez bestekoa
73.2%
Legala
Zuzenak
4
Okerrak
1
Erantzun gabeak
4
Ziurtasuna
44.4%
Batez bestekoa
82.9%
Prebentzioa
Zuzenak
2
Okerrak
3
Erantzun gabeak
11
Ziurtasuna
12.5%
Batez bestekoa
81.5%
Probak
Zuzenak
12
Okerrak
7
Erantzun gabeak
14
Ziurtasuna
36.4%
Batez bestekoa
81.2%
Pronostikoa
Zuzenak
3
Okerrak
0
Erantzun gabeak
2
Ziurtasuna
60.0%
Batez bestekoa
93.2%
Tratamendua
Zuzenak
20
Okerrak
18
Erantzun gabeak
34
Ziurtasuna
27.8%
Batez bestekoa
80.9%
#ErantzunaZuzenaEgoera
1A
2B
3CD
4D
5BB
6BC
7BB
8DD
9CD
10A
11AB
12A
13DBaliogabetua
14BC
15AA
16CC
17C
18AD
19B
20B
21B
22C
23BB
24AA
25C
26A
27B
28D
29AA
30D
31C
32CC
33B
34DB
35AC
36D
37D
38CA
39CC
40A
41BD
42BA
43B
44B
45B
46BB
47DD
48CC
49C
50Baliogabetua
51AA
52C
53CC
54C
55AA
56BA
57A
58DA
59B
60B
61C
62B
63DB
64Baliogabetua
65C
66C
67CC
68AA
69B
70B
71B
72B
73BB
74AA
75CC
76C
77CA
78AD
79AA
80CD
81C
82DD
83B
84A
85D
86A
87BB
88B
89B
90CC
91A
92CC
93D
94C
95C
96BB
97BB
98A
99DB
100CC
101CC
102AA
103CC
104CC
105C
106AB
107CC
108BA
109AC
110C
111B
112C
113DC
114D
115B
116D
117BC
118B
119A
120AA
121CC
122BB
123B
124AB
125CC
126BB
127DC
128BB
129CC
130CC
131B
132B
133C
134B
135C
136B
137CD
138BB
139BBaliogabetua
140D
141AA
142ABaliogabetua
143A
144DD
145C
146BC
147B
148C
149B
150DB
151BB
152CC
153C
154CD
155BB
156A
157D
158B
159AC
160AA
161CBaliogabetua
162CA
163C
164CC
165A
166BA
167DD
168C
169B
170BB
171A
172AB
173D
174AC
175BB
176A
177AD
178D
179BB
180BC
181BB
182BC
183D
184D
185DB
186DD
187DD
188CC
189C
190B
191DD
192D
193C
194AC
195DD
196A
197DC
198BA
199CB
200DD
201CC
202AA
203AA
204C
205BB
206CC
207A
208DBaliogabetua
209B
210CC