MedicalBenchmark
Meta: Llama 3.2 11B Vision Instruct provider

Llama 3.2 11B Vision Instruct

306

#306 319 modeloetatik — MIR 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
1—A
2—B
3CD
4—D
5BB
6BC
7BB
8DD
9CD
10—A
11AB
12—A
13D—Baliogabetua
14BC
15AA
16CC
17—C
18AD
19—B
20—B
21—B
22—C
23BB
24AA
25—C
26—A
27—B
28—D
29AA
30—D
31—C
32CC
33—B
34DB
35AC
36—D
37—D
38CA
39CC
40—A
41BD
42BA
43—B
44—B
45—B
46BB
47DD
48CC
49—C
50——Baliogabetua
51AA
52—C
53CC
54—C
55AA
56BA
57—A
58DA
59—B
60—B
61—C
62—B
63DB
64——Baliogabetua
65—C
66—C
67CC
68AA
69—B
70—B
71—B
72—B
73BB
74AA
75CC
76—C
77CA
78AD
79AA
80CD
81—C
82DD
83—B
84—A
85—D
86—A
87BB
88—B
89—B
90CC
91—A
92CC
93—D
94—C
95—C
96BB
97BB
98—A
99DB
100CC
101CC
102AA
103CC
104CC
105—C
106AB
107CC
108BA
109AC
110—C
111—B
112—C
113DC
114—D
115—B
116—D
117BC
118—B
119—A
120AA
121CC
122BB
123—B
124AB
125CC
126BB
127DC
128BB
129CC
130CC
131—B
132—B
133—C
134—B
135—C
136—B
137CD
138BB
139B—Baliogabetua
140—D
141AA
142A—Baliogabetua
143—A
144DD
145—C
146BC
147—B
148—C
149—B
150DB
151BB
152CC
153—C
154CD
155BB
156—A
157—D
158—B
159AC
160AA
161C—Baliogabetua
162CA
163—C
164CC
165—A
166BA
167DD
168—C
169—B
170BB
171—A
172AB
173—D
174AC
175BB
176—A
177AD
178—D
179BB
180BC
181BB
182BC
183—D
184—D
185DB
186DD
187DD
188CC
189—C
190—B
191DD
192—D
193—C
194AC
195DD
196—A
197DC
198BA
199CB
200DD
201CC
202AA
203AA
204—C
205BB
206CC
207—A
208D—Baliogabetua
209—B
210CC