image.png विशेष रूप से, डीपसीक आर 1 ने प्रत्येक बेसलाइन परीक्षण में स्थिर प्रदर्शन दिखाया, जिसका मानक विचलन केवल 0.10 था, यह इसके विभिन्न परीक्षणों में स्थिरता को संकेत देता है। ओ3-मिनी ने चिकित्सा निर्णय समर्थन वर्ग में उल्लेखनीय प्रदर्शन दिखाया, 64% जीत के साथ और 0.77 के अधिकतम माइक्रो-अंक के साथ दूसरे स्थान पर आया। अन्य मॉडलों जैसे क्लौड 3.5 और 3.7सॉनेट ने क्रमशः 63% और 64% जीत के साथ बाद में आए। image.png