AI BENCHY বিভাগীয় ব্যর্থতা
সমন্বিত: ভুল উত্তর
সমন্বিত
ভুল উত্তর
দেখুন সমন্বিত এ কোন AI মডেলগুলোর ভুল উত্তর হওয়ার সম্ভাবনা সবচেয়ে বেশি, যাতে দুর্বল দিক দ্রুত ধরা যায়।
ব্যর্থতার কারণ
| র্যাঙ্ক | মডেল | কোম্পানি | ভুল উত্তর সংখ্যা | বিভাগ স্কোর | সঠিক টেস্ট | প্রতিক্রিয়া সময় (গড়) |
|---|---|---|---|---|---|---|
| #150 | Qwen3 Coder Next medium | Qwen | 1 | 3.0 | 0/1 | 4.28s |
| #151 | Trinity Large Preview none | Arcee AI | 1 | 3.0 | 0/1 | 8.91s |
| #152 | MiMo-V2-Flash none | Xiaomi | 1 | 3.0 | 0/1 | 2.87s |
| #155 | Mercury 2 none | Inception | 1 | 3.0 | 0/1 | 606ms |
| #156 | Hy3 preview none | Tencent | 1 | 3.0 | 0/1 | 35.8s |
| #157 | Grok 4.1 Fast none | X AI | 1 | 3.0 | 0/1 | 3.33s |
| #159 | Ling-2.6-1T none | Inclusionai | 1 | 3.0 | 0/1 | 23.5s |