MedicalBenchmark
Sao10K: Llama 3.1 Euryale 70B v2.2 provider

Llama 3.1 Euryale 70B v2.2

225

#225 290 modeloetatikMIR 2026

Puntuazio garbia

133.66 pts

Ziurtasuna

72.5%

Zuzenak / Okerrak

145 / 34

Kostu osoa

$0.20

Errendimendu Orokorra

(vs. batez bestekoa)
Ziurtasuna

72.5%

avg: 81.6%

Puntuazio garbia

133.66 pts

avg: 154.00 pts

Zuzenak

145

avg: 163

Okerrak

34

avg: 28

Kostu osoa

$0.20

avg: $3.33

Batez besteko erantzun-denbora

22.8s

avg: 16.2s

Irteerako tokenak

141K

avg: 430K

Arrazonamendu tokenak

0

avg: 310K

Batez besteko konfiantza

88.9%

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
3
Okerrak
4
Erantzun gabeak
0
Ziurtasuna
42.9%
Batez bestekoa
69.6%
Dermatologia
Zuzenak
9
Okerrak
0
Erantzun gabeak
2
Ziurtasuna
81.8%
Batez bestekoa
72.3%
Endokrinologia eta Nutrizioa
Zuzenak
11
Okerrak
3
Erantzun gabeak
1
Ziurtasuna
73.3%
Batez bestekoa
84.0%
Epidemiologia
Zuzenak
4
Okerrak
2
Erantzun gabeak
1
Ziurtasuna
57.1%
Batez bestekoa
80.2%
Erradiologia-Larrialdiak
Zuzenak
5
Okerrak
5
Erantzun gabeak
3
Ziurtasuna
38.5%
Batez bestekoa
67.7%
Erreumatologia
Zuzenak
9
Okerrak
0
Erantzun gabeak
2
Ziurtasuna
81.8%
Batez bestekoa
88.4%
Estatistika
Zuzenak
1
Okerrak
1
Erantzun gabeak
0
Ziurtasuna
50.0%
Batez bestekoa
83.8%
Farmakologia
Zuzenak
6
Okerrak
2
Erantzun gabeak
3
Ziurtasuna
54.5%
Batez bestekoa
78.6%
Gaixotasun Infekziosoak
Zuzenak
10
Okerrak
3
Erantzun gabeak
1
Ziurtasuna
71.4%
Batez bestekoa
77.9%
Gastroenterologia
Zuzenak
22
Okerrak
4
Erantzun gabeak
4
Ziurtasuna
73.3%
Batez bestekoa
79.3%
Genetika
Zuzenak
7
Okerrak
4
Erantzun gabeak
0
Ziurtasuna
63.6%
Batez bestekoa
78.7%
Geriatria
Zuzenak
10
Okerrak
3
Erantzun gabeak
0
Ziurtasuna
76.9%
Batez bestekoa
83.0%
Ginekologia eta Obstetrizia
Zuzenak
9
Okerrak
3
Erantzun gabeak
0
Ziurtasuna
75.0%
Batez bestekoa
84.3%
Hematologia
Zuzenak
6
Okerrak
1
Erantzun gabeak
2
Ziurtasuna
66.7%
Batez bestekoa
76.6%
Immunologia
Zuzenak
5
Okerrak
1
Erantzun gabeak
0
Ziurtasuna
83.3%
Batez bestekoa
91.4%
Kardiologia
Zuzenak
13
Okerrak
7
Erantzun gabeak
5
Ziurtasuna
52.0%
Batez bestekoa
77.3%
Medikuntza Legala eta Bioetika
Zuzenak
10
Okerrak
1
Erantzun gabeak
0
Ziurtasuna
90.9%
Batez bestekoa
82.9%
Nefrologia
Zuzenak
8
Okerrak
1
Erantzun gabeak
1
Ziurtasuna
80.0%
Batez bestekoa
85.1%
Neurologia
Zuzenak
10
Okerrak
2
Erantzun gabeak
1
Ziurtasuna
76.9%
Batez bestekoa
88.6%
Oftalmologia
Zuzenak
3
Okerrak
0
Erantzun gabeak
2
Ziurtasuna
60.0%
Batez bestekoa
83.7%
Onkologia Medikoa
Zuzenak
18
Okerrak
4
Erantzun gabeak
1
Ziurtasuna
78.3%
Batez bestekoa
83.0%
ORL
Zuzenak
5
Okerrak
2
Erantzun gabeak
1
Ziurtasuna
62.5%
Batez bestekoa
84.7%
Osasun Plangintza eta Kudeaketa
Zuzenak
9
Okerrak
1
Erantzun gabeak
0
Ziurtasuna
90.0%
Batez bestekoa
78.4%
Pediatria
Zuzenak
19
Okerrak
2
Erantzun gabeak
1
Ziurtasuna
86.4%
Batez bestekoa
87.6%
Pneumologia
Zuzenak
10
Okerrak
4
Erantzun gabeak
2
Ziurtasuna
62.5%
Batez bestekoa
82.8%
Psikiatria
Zuzenak
7
Okerrak
0
Erantzun gabeak
1
Ziurtasuna
87.5%
Batez bestekoa
87.9%
Traumatologia
Zuzenak
7
Okerrak
3
Erantzun gabeak
1
Ziurtasuna
63.6%
Batez bestekoa
65.2%
Urologia
Zuzenak
7
Okerrak
1
Erantzun gabeak
0
Ziurtasuna
87.5%
Batez bestekoa
82.5%
Zainketa Aringarriak
Zuzenak
4
Okerrak
1
Erantzun gabeak
1
Ziurtasuna
66.7%
Batez bestekoa
80.2%

Galdera motaren araberako xehetasuna

Anatomia
Zuzenak
3
Okerrak
0
Erantzun gabeak
0
Ziurtasuna
100.0%
Batez bestekoa
82.6%
Arriskua
Zuzenak
13
Okerrak
2
Erantzun gabeak
0
Ziurtasuna
86.7%
Batez bestekoa
84.3%
Biostatistika
Zuzenak
1
Okerrak
1
Erantzun gabeak
0
Ziurtasuna
50.0%
Batez bestekoa
83.8%
Diagnostikoa
Zuzenak
59
Okerrak
9
Erantzun gabeak
13
Ziurtasuna
72.8%
Batez bestekoa
82.2%
Epidemiologia
Zuzenak
6
Okerrak
2
Erantzun gabeak
1
Ziurtasuna
66.7%
Batez bestekoa
88.7%
Etika
Zuzenak
6
Okerrak
0
Erantzun gabeak
0
Ziurtasuna
100.0%
Batez bestekoa
92.0%
Farmakologia
Zuzenak
11
Okerrak
2
Erantzun gabeak
2
Ziurtasuna
73.3%
Batez bestekoa
82.3%
Fisiopatologia
Zuzenak
17
Okerrak
7
Erantzun gabeak
2
Ziurtasuna
65.4%
Batez bestekoa
84.3%
Interpretazioa
Zuzenak
20
Okerrak
9
Erantzun gabeak
8
Ziurtasuna
54.1%
Batez bestekoa
72.0%
Legala
Zuzenak
8
Okerrak
1
Erantzun gabeak
0
Ziurtasuna
88.9%
Batez bestekoa
82.4%
Prebentzioa
Zuzenak
12
Okerrak
3
Erantzun gabeak
1
Ziurtasuna
75.0%
Batez bestekoa
80.6%
Probak
Zuzenak
22
Okerrak
9
Erantzun gabeak
2
Ziurtasuna
66.7%
Batez bestekoa
80.3%
Pronostikoa
Zuzenak
5
Okerrak
0
Erantzun gabeak
0
Ziurtasuna
100.0%
Batez bestekoa
93.2%
Tratamendua
Zuzenak
50
Okerrak
14
Erantzun gabeak
8
Ziurtasuna
69.4%
Batez bestekoa
80.1%
#ErantzunaZuzenaEgoera
1DA
2BB
3D
4DD
5B
6AC
7BB
8CD
9DD
10AA
11B
12CA
13DBaliogabetua
14BC
15A
16CC
17CC
18DD
19B
20BB
21BB
22BC
23B
24AA
25AC
26AA
27BB
28DD
29AA
30DD
31BC
32CC
33CB
34BB
35CC
36BD
37DD
38A
39CC
40AA
41DD
42AA
43BB
44BB
45BB
46BB
47DD
48CC
49CC
50BBaliogabetua
51AA
52CC
53CC
54DC
55AA
56AA
57CA
58A
59BB
60BB
61CC
62BB
63BB
64CBaliogabetua
65C
66DC
67C
68AA
69CB
70BB
71B
72BB
73BB
74AA
75CC
76CC
77AA
78AD
79AA
80DD
81CC
82AD
83BB
84AA
85DD
86AA
87BB
88BB
89BB
90CC
91A
92CC
93DD
94CC
95CC
96BB
97BB
98AA
99BB
100C
101CC
102AA
103CC
104CC
105CC
106BB
107C
108A
109CC
110BC
111AB
112CC
113CC
114DD
115BB
116DD
117CC
118AB
119AA
120AA
121CC
122CB
123B
124BB
125CC
126AB
127CC
128CB
129CC
130CC
131BB
132AB
133CC
134BB
135C
136BB
137DD
138BB
139ABaliogabetua
140BD
141AA
142Baliogabetua
143AA
144DD
145CC
146CC
147BB
148CC
149BB
150BB
151BB
152CC
153CC
154DD
155BB
156AA
157DD
158BB
159CC
160AA
161CBaliogabetua
162AA
163AC
164CC
165AA
166AA
167DD
168CC
169BB
170AB
171AA
172AB
173DD
174AC
175BB
176A
177DD
178AD
179BB
180CC
181BB
182CC
183DD
184D
185DB
186DD
187DD
188BC
189CC
190BB
191D
192DD
193CC
194CC
195DD
196AA
197DC
198BA
199AB
200DD
201CC
202A
203AA
204CC
205BB
206CC
207AA
208BBaliogabetua
209BB
210CC