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: সঠিক টেস্ট ↓.
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) |
|---|---|---|---|---|---|---|---|
| #50 | Gemini 4 Argon medium | 1 | 0.6 | $0.674 | 1/2 | 15.1s | |
| #52 | Gemini 3.6 Flash low | 1 | 0.7 | $0.363 | 1/2 | 19.8s | |
| #82 | Nemotron 3.5 Super VL high | NVIDIA | 1 | 0.7 | $0.349 | 1/2 | 183.5s |
| #120 | Qwen3.7 Max none | Qwen | 1 | 0.7 | $0.451 | 1/2 | 37.2s |
| #128 | GLM 5.3 high | Z.ai | 1 | 0.6 | $0.495 | 1/2 | 64.0s |
| #132 | Grok 4.5 low | X AI | 1 | 0.7 | $1.345 | 1/2 | 12.8s |
| #137 | Nemotron 3.5 Super VL medium | NVIDIA | 1 | 0.6 | $0.437 | 1/2 | 112.2s |
| #138 | Claude Haiku 5.5 medium | Anthropic | 1 | 0.7 | $0.063 | 1/2 | 20.3s |
| #146 | Space Bunny Alpha high | Stealth | 1 | 0.7 | $0.000 | 1/2 | 19.3s |
| #168 | Qwen3.5-27B none | Qwen | 1 | 0.6 | $0.116 | 1/2 | 39.4s |
| #187 | Kimi K2.7 Code medium | Moonshot AI | 1 | 0.7 | $1.136 | 1/2 | 66.0s |
| #191 | Grok 4.6 low | X AI | 1 | 0.7 | $0.781 | 1/2 | 23.3s |
| #205 | GPT-6 Sol none | OpenAI | 1 | 0.7 | $0.551 | 1/2 | 10.6s |
| #206 | Space Bunny Alpha max | Stealth | 1 | 0.7 | $0.000 | 1/2 | 61.0s |
| #216 | GPT-5.6 Sol none | OpenAI | 1 | 0.7 | $0.795 | 1/2 | 8.37s |