MedicalBenchmark
Meta: Llama 3.2 3B Instruct provider

Llama 3.2 3B Instruct

301

#301 319 modeloetatik — MIR 2026

Puntuazio garbia

62.33 pts

Ziurtasuna

45.5%

Zuzenak / Okerrak

91 / 86

Kostu osoa

$0.01

Errendimendu Orokorra

(vs. batez bestekoa)
Ziurtasuna

45.5%

avg: 82.4%

Puntuazio garbia

62.33 pts

avg: 156.14 pts

Zuzenak

91

avg: 165

Okerrak

86

avg: 26

Kostu osoa

$0.01

avg: $3.12

Batez besteko erantzun-denbora

21.9s

avg: 17.4s

Irteerako tokenak

137K

avg: 415K

Arrazonamendu tokenak

0

avg: 295K

Batez besteko konfiantza

86.0%

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
4
Okerrak
3
Erantzun gabeak
0
Ziurtasuna
57.1%
Batez bestekoa
71.0%
Dermatologia
Zuzenak
6
Okerrak
3
Erantzun gabeak
2
Ziurtasuna
54.5%
Batez bestekoa
73.2%
Endokrinologia eta Nutrizioa
Zuzenak
7
Okerrak
5
Erantzun gabeak
3
Ziurtasuna
46.7%
Batez bestekoa
84.7%
Epidemiologia
Zuzenak
3
Okerrak
2
Erantzun gabeak
2
Ziurtasuna
42.9%
Batez bestekoa
81.3%
Erradiologia-Larrialdiak
Zuzenak
6
Okerrak
6
Erantzun gabeak
1
Ziurtasuna
46.2%
Batez bestekoa
69.4%
Erreumatologia
Zuzenak
3
Okerrak
5
Erantzun gabeak
3
Ziurtasuna
27.3%
Batez bestekoa
89.0%
Estatistika
Zuzenak
1
Okerrak
1
Erantzun gabeak
0
Ziurtasuna
50.0%
Batez bestekoa
84.5%
Farmakologia
Zuzenak
5
Okerrak
6
Erantzun gabeak
0
Ziurtasuna
45.5%
Batez bestekoa
79.6%
Gaixotasun Infekziosoak
Zuzenak
5
Okerrak
6
Erantzun gabeak
3
Ziurtasuna
35.7%
Batez bestekoa
79.0%
Gastroenterologia
Zuzenak
8
Okerrak
17
Erantzun gabeak
5
Ziurtasuna
26.7%
Batez bestekoa
80.2%
Genetika
Zuzenak
4
Okerrak
7
Erantzun gabeak
0
Ziurtasuna
36.4%
Batez bestekoa
79.7%
Geriatria
Zuzenak
5
Okerrak
6
Erantzun gabeak
2
Ziurtasuna
38.5%
Batez bestekoa
83.7%
Ginekologia eta Obstetrizia
Zuzenak
4
Okerrak
8
Erantzun gabeak
0
Ziurtasuna
33.3%
Batez bestekoa
85.2%
Hematologia
Zuzenak
5
Okerrak
3
Erantzun gabeak
1
Ziurtasuna
55.6%
Batez bestekoa
77.6%
Immunologia
Zuzenak
5
Okerrak
1
Erantzun gabeak
0
Ziurtasuna
83.3%
Batez bestekoa
91.8%
Kardiologia
Zuzenak
10
Okerrak
13
Erantzun gabeak
2
Ziurtasuna
40.0%
Batez bestekoa
78.4%
Medikuntza Legala eta Bioetika
Zuzenak
6
Okerrak
4
Erantzun gabeak
1
Ziurtasuna
54.5%
Batez bestekoa
83.4%
Nefrologia
Zuzenak
4
Okerrak
3
Erantzun gabeak
3
Ziurtasuna
40.0%
Batez bestekoa
85.6%
Neurologia
Zuzenak
8
Okerrak
4
Erantzun gabeak
1
Ziurtasuna
61.5%
Batez bestekoa
89.0%
Oftalmologia
Zuzenak
2
Okerrak
3
Erantzun gabeak
0
Ziurtasuna
40.0%
Batez bestekoa
84.5%
Onkologia Medikoa
Zuzenak
9
Okerrak
11
Erantzun gabeak
3
Ziurtasuna
39.1%
Batez bestekoa
83.7%
ORL
Zuzenak
3
Okerrak
4
Erantzun gabeak
1
Ziurtasuna
37.5%
Batez bestekoa
85.0%
Osasun Plangintza eta Kudeaketa
Zuzenak
6
Okerrak
3
Erantzun gabeak
1
Ziurtasuna
60.0%
Batez bestekoa
79.4%
Pediatria
Zuzenak
14
Okerrak
7
Erantzun gabeak
1
Ziurtasuna
63.6%
Batez bestekoa
88.1%
Pneumologia
Zuzenak
8
Okerrak
6
Erantzun gabeak
2
Ziurtasuna
50.0%
Batez bestekoa
83.6%
Psikiatria
Zuzenak
7
Okerrak
0
Erantzun gabeak
1
Ziurtasuna
87.5%
Batez bestekoa
88.4%
Traumatologia
Zuzenak
2
Okerrak
7
Erantzun gabeak
2
Ziurtasuna
18.2%
Batez bestekoa
66.6%
Urologia
Zuzenak
6
Okerrak
0
Erantzun gabeak
2
Ziurtasuna
75.0%
Batez bestekoa
83.1%
Zainketa Aringarriak
Zuzenak
3
Okerrak
2
Erantzun gabeak
1
Ziurtasuna
50.0%
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
4
Okerrak
8
Erantzun gabeak
3
Ziurtasuna
26.7%
Batez bestekoa
85.0%
Biostatistika
Zuzenak
1
Okerrak
1
Erantzun gabeak
0
Ziurtasuna
50.0%
Batez bestekoa
84.5%
Diagnostikoa
Zuzenak
33
Okerrak
38
Erantzun gabeak
10
Ziurtasuna
40.7%
Batez bestekoa
83.0%
Epidemiologia
Zuzenak
6
Okerrak
2
Erantzun gabeak
1
Ziurtasuna
66.7%
Batez bestekoa
89.1%
Etika
Zuzenak
5
Okerrak
1
Erantzun gabeak
0
Ziurtasuna
83.3%
Batez bestekoa
92.2%
Farmakologia
Zuzenak
7
Okerrak
7
Erantzun gabeak
1
Ziurtasuna
46.7%
Batez bestekoa
83.1%
Fisiopatologia
Zuzenak
15
Okerrak
8
Erantzun gabeak
3
Ziurtasuna
57.7%
Batez bestekoa
85.0%
Interpretazioa
Zuzenak
13
Okerrak
20
Erantzun gabeak
4
Ziurtasuna
35.1%
Batez bestekoa
73.2%
Legala
Zuzenak
4
Okerrak
5
Erantzun gabeak
0
Ziurtasuna
44.4%
Batez bestekoa
82.9%
Prebentzioa
Zuzenak
6
Okerrak
8
Erantzun gabeak
2
Ziurtasuna
37.5%
Batez bestekoa
81.5%
Probak
Zuzenak
15
Okerrak
16
Erantzun gabeak
2
Ziurtasuna
45.5%
Batez bestekoa
81.2%
Pronostikoa
Zuzenak
3
Okerrak
2
Erantzun gabeak
0
Ziurtasuna
60.0%
Batez bestekoa
93.2%
Tratamendua
Zuzenak
33
Okerrak
30
Erantzun gabeak
9
Ziurtasuna
45.8%
Batez bestekoa
80.9%
#ErantzunaZuzenaEgoera
1CA
2BB
3AD
4CD
5AB
6BC
7AB
8—D
9—D
10BA
11BB
12CA
13B—Baliogabetua
14BC
15AA
16CC
17DC
18DD
19BB
20—B
21BB
22CC
23BB
24AA
25CC
26AA
27BB
28AD
29AA
30—D
31DC
32CC
33DB
34—B
35—C
36AD
37DD
38BA
39AC
40BA
41DD
42DA
43AB
44BB
45BB
46BB
47DD
48CC
49CC
50——Baliogabetua
51BA
52BC
53BC
54BC
55AA
56CA
57AA
58AA
59BB
60BB
61CC
62BB
63—B
64C—Baliogabetua
65AC
66DC
67CC
68AA
69DB
70BB
71BB
72BB
73AB
74AA
75CC
76CC
77BA
78CD
79AA
80AD
81AC
82DD
83DB
84—A
85DD
86AA
87BB
88BB
89—B
90—C
91BA
92BC
93—D
94—C
95AC
96AB
97DB
98AA
99DB
100DC
101CC
102CA
103CC
104DC
105BC
106BB
107DC
108BA
109AC
110DC
111AB
112CC
113BC
114DD
115AB
116CD
117AC
118BB
119—A
120AA
121AC
122DB
123BB
124—B
125CC
126AB
127CC
128CB
129—C
130CC
131BB
132—B
133CC
134CB
135CC
136AB
137BD
138DB
139A—Baliogabetua
140CD
141AA
142B—Baliogabetua
143AA
144BD
145CC
146DC
147—B
148AC
149CB
150BB
151AB
152CC
153BC
154BD
155DB
156AA
157—D
158BB
159AC
160AA
161C—Baliogabetua
162AA
163CC
164AC
165—A
166AA
167AD
168CC
169BB
170AB
171AA
172BB
173DD
174CC
175BB
176CA
177AD
178DD
179CB
180BC
181BB
182CC
183BD
184—D
185AB
186DD
187AD
188BC
189CC
190—B
191DD
192BD
193AC
194—C
195—D
196AA
197CC
198AA
199AB
200AD
201CC
202AA
203AA
204AC
205BB
206CC
207AA
208——Baliogabetua
209—B
210CC