সমন্বিত: ভুল উত্তর
সমন্বিত
ভুল উত্তর
দেখুন সমন্বিত এ কোন AI মডেলগুলোর ভুল উত্তর হওয়ার সম্ভাবনা সবচেয়ে বেশি, যাতে দুর্বল দিক দ্রুত ধরা যায়। সাজান: প্রতিক্রিয়া সময় (গড়) ↑.
ব্যর্থতার কারণ
118/118
মডেল ফিল্টার করুন
বর্তমান অনুসন্ধান ও ফিল্টারের সাথে কোনো মডেল মেলেনি।
| র্যাঙ্ক | মডেল | কোম্পানি | ভুল উত্তর সংখ্যা | বিভাগ স্কোর | মোট খরচ | সঠিক টেস্ট | প্রতিক্রিয়া সময় (গড়) |
|---|---|---|---|---|---|---|---|
| #425 | Laguna Xs.2 default | Poolside | 1 | 0.2 | $0.004 | 0/1 | 2.01s |
| #406 | Nemotron 3.5 Lightning none | NVIDIA | 1 | 0.3 | $0.009 | 0/2 | 2.02s |
| #391 | Mercury 2 none | Inception | 2 | 0.3 | $0.033 | 0/2 | 2.56s |
| #420 | MiMo-V2-Flash default | Xiaomi | 1 | 0.2 | $0.025 | 0/1 | 2.87s |
| #397 | Mercury 2.5 none | Inception | 1 | 0.3 | $0.026 | 0/2 | 3.24s |
| #424 | Grok 4.1 Fast default | X AI | 1 | 0.2 | $0.008 | 0/1 | 3.33s |
| #414 | Elephant Alpha medium | Openrouter | 1 | 0.2 | $0.000 | 0/1 | 3.70s |
| #413 | Elephant Alpha default | Openrouter | 1 | 0.2 | $0.000 | 0/1 | 3.81s |
| #337 | Inkling Small low | Thinkingmachines | 1 | 0.3 | $0.055 | 0/2 | 4.08s |
| #350 | Mercury 2.5 Preview low | Inception | 1 | 0.3 | $0.015 | 0/2 | 4.77s |
| #327 | MiMo-V2.6-Flash none | Xiaomi | 1 | 0.4 | $0.060 | 0/2 | 4.78s |
| #396 | GLM 5 Turbo none | Z.ai | 1 | 0.2 | $0.047 | 0/1 | 4.89s |
| #312 | GLM 5 none | Z.ai | 1 | 0.2 | $0.140 | 0/1 | 4.98s |
| #345 | Mercury 2.5 low | Inception | 1 | 0.3 | $0.020 | 0/2 | 5.16s |
| #385 | Mimo V2 Omni default | Xiaomi | 1 | 0.2 | $0.021 | 0/1 | 5.96s |