ReWo-Bench

TUS · TTBT

Yöntem notları

doğru − (yanlış + geçersiz)/4

Lider model
Gemini 3.7 Flash70,75TTBT Neti
Model
30
Soru
72
Model–soru yanıtı
2.160
Ölçülen toplam maliyet
$5.55
Koşu tarihi
15 Ağustos 2026

İlk 5 model

Tüm sonuçları gör
SıraModelTTBT NetiMaliyetToken
#1Gemini 3.7 Flash70,75$0.0641.180
#2MiniMax M370,75$0.0777.139
#3Gemini 3.6 Flash70,75$0.1755.990
#4GLM 5.270,75$0.1955.218
#5Claude Opus 570,75$0.2628.167

Tüm sonuçlar

Liderlik tablosu

Başlıkları seçerek sıralamayı değiştirebilirsiniz; bilinmeyen değerler her zaman sona gider.

Model
1Gemini 3.7 FlashGoogle70,7570,75$0.0641.180
2MiniMax M3MiniMax70,7570,75$0.0777.139
3Gemini 3.6 FlashGoogle70,7570,75$0.1755.990
4GLM 5.2Z.ai70,7570,75$0.1955.218
5Claude Opus 5Anthropic70,7570,75$0.2628.167
6Muse Spark 1.2Meta70,7570,75$0.3182.936
7GPT-5.6 SolOpenAI70,7570,75$0.3222.022
8Claude Opus 4.8Anthropic70,7570,75$0.4033.730
9Gemini 3.1 Pro PreviewGoogle70,7570,75$0.4749.474
10DeepSeek V4 Flash 0731DeepSeek69,5069,50$0.0149.965
11GPT-5.6 LunaOpenAI69,5069,50$0.0123.046
12Gemma 4 31BGoogle69,5069,50$0.0392.667
13Inkling SmallThinking Machines Lab69,5069,50$0.0336.552
14GPT-5.6 TerraOpenAI69,5069,50$0.0520.529
15Claude Sonnet 5Anthropic69,5069,50$0.0826.051
16InklingThinking Machines Lab69,5069,50$0.0831.687
17DeepSeek V4 Pro 0813DeepSeek69,5069,50$0.1859.682
18Grok 4.5xAI69,5069,50$0.2767.237
19Grok 4.6xAI69,5069,50$0.3071.473
20Qwen3.8 MaxAlibaba Qwen69,5069,50$0.3872.374
21Kimi K3Moonshot AI69,5069,50$0.4751.524
22Muse Glimmer 30BMeta68,2568,25$0.0545.990
23Hy3Tencent68,2568,25$0.06114.775
24Nemotron 3 UltraNVIDIA68,2568,25$0.2478.978
25MiMo-V2.5-ProXiaomi67,0067,00$0.1870.466
26gpt-oss-120bOpenAI65,7565,75$0.0238.443
27Qwen3.8 27BAlibaba Qwen65,7565,75$0.2177.238
28Claude Haiku 4.5Anthropic65,7565,75$0.50116.334
29Gemma 4 26B A4BGoogle62,0062,00$0.12211.431
30Nemotron 3.5 LightningNVIDIA60,7560,75$0.03153.652
30 modelin tümü gösteriliyor

Cevap kâğıdı

dolgu = soruyu doğru çözen model oranı
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9
  • 10
  • 11
  • 12
  • 13
  • 14
  • 15
  • 16
  • 17
  • 18
  • 19
  • 20
  • 21
  • 22
  • 23
  • 24
  • 25
  • 26
  • 27
  • 28
  • 29
  • 30
  • 31
  • 32
  • 33
  • 34
  • 35
  • 36
  • 37
  • 38
  • 39
  • 40
  • 41
  • 42
  • 43
  • 44
  • 45
  • 46
  • 47
  • 48
  • 49
  • 50
  • 51
  • 52
  • 53
  • 54
  • 55
  • 56
  • 57
  • 58
  • 59
  • 60
  • 61
  • 62
  • 63
  • 64
  • 65
  • 66
  • 67
  • 68
  • 69
  • 70
  • 71
  • 72
herkes çözdü (56 soru) ayırt eden soru

Koşudan çıkanlar

Üç bulgu

  • Bulgu · Zirve

    Aynı zirve, farklı maliyet

    Gemini 3.7 Flash, MiniMax M3, Gemini 3.6 Flash ve 6 yapılandırma daha, 70,75 puanla zirveyi paylaşıyor. Zirve grubundaki ölçülen maliyet $0.06 (Gemini 3.7 Flash) ile $0.47 (Gemini 3.1 Pro Preview) arasında.

  • Bulgu · Bölümler

    Tam net tablosu

    Temel Tıp Bilimleri Testi bölümünde tam nete ulaşan model: 0/30.

  • Bulgu · Ölçüm sınırı

    Tüm değerler ölçüldü

    Bu koşuda açıklama gerektiren maliyet veya token değeri yok; tüm değerler ölçüldü.

Okuma notları

Kapsam ve ölçüm sınırları

  • 72 soruluk bu derleme, 2023-I–2026-I dönemlerinde yayımlanan soruları kapsar; tek bir resmî 120 soruluk TUS oturumu veya resmî TUS puanı değildir.
  • Puanlama: doğru − (yanlış + geçersiz)/4
  • Sıralama: Yuvarlanmamış puan yüksekten düşüğe sıralanır. Eşit puanda bilinen daha düşük maliyet önce gelir; maliyeti bilinmeyenler aynı puan grubunun sonuna gider. Tam eşitlikte kaynak sırası korunur.
  • 0 modelin maliyeti bilinmediği için maliyet analizlerinden çıkarılır; 0 modelin maliyeti yaklaşık değer taşır.
  • Model notları:
    • Hy3: 1 yanıt 16.384 token tavanında kesildi; zorunlu CEVAP satırı üretilemedi. Yanıt geçersiz sayıldı ve net hesabında yanlış olarak cezalandırıldı.
    • Nemotron 3 Ultra: 1 yanıt 16.384 token tavanında kesildi; zorunlu CEVAP satırı üretilemedi. Yanıt geçersiz sayıldı ve net hesabında yanlış olarak cezalandırıldı.
    • MiMo-V2.5-Pro: Yanıt tamamlandı ancak zorunlu CEVAP: X satırı yoktu. Yanıt geçersiz sayıldı ve net hesabında yanlış olarak cezalandırıldı.
    • Gemma 4 26B A4B: 7 yanıt 16.384 token tavanında kesildi; zorunlu CEVAP satırı üretilemedi. Bu yanıtlar geçersiz sayıldı ve net hesabında yanlış olarak cezalandırıldı.
    • Nemotron 3.5 Lightning: 1 yanıt 16.384 token tavanında kesildi; zorunlu CEVAP satırı üretilemedi. Yanıt geçersiz sayıldı ve net hesabında yanlış olarak cezalandırıldı.