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
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) |
|---|---|---|---|---|---|---|---|
| #312 | GLM 5 none | Z.ai | 1 | 0.2 | $0.140 | 0/1 | 4.98s |
| #313 | Qwen3.5-35B-A3B none | Qwen | 1 | 0.4 | $0.120 | 0/2 | 128.3s |
| #314 | Nemotron 3.5 Super VL none | NVIDIA | 1 | 0.3 | $0.040 | 0/2 | 451.9s |
| #316 | Kimi K2.6 none | Moonshot AI | 1 | 0.3 | $0.486 | 0/2 | 77.8s |
| #317 | Ling 3.1 Flash none | Inclusionai | 1 | 0.3 | $0.000 | 0/2 | 25.4s |
| #318 | Gemini 2.5 Flash none | 1 | 0.3 | $0.017 | 0/2 | 61.2s | |
| #319 | GPT-6 Luna none | OpenAI | 1 | 0.4 | $0.026 | 0/2 | 50.9s |
| #320 | Gemma 4 26B A4B none | 1 | 0.3 | $0.031 | 0/2 | 37.2s | |
| #322 | Seed-2.0-Code none | Bytedance Seed | 1 | 0.3 | $0.257 | 0/2 | 78.4s |
| #324 | Qwen3.8 27B none | Qwen | 1 | 0.3 | ~$0.010 | 0/2 | 24.1s |
| #327 | MiMo-V2.6-Flash none | Xiaomi | 1 | 0.4 | $0.060 | 0/2 | 4.78s |
| #329 | Ember-1 none | Fireworks | 1 | 0.3 | $0.786 | 0/2 | 49.0s |
| #331 | GPT-5.6 Luna none | OpenAI | 1 | 0.3 | $0.042 | 0/2 | 6.68s |
| #333 | Kimi K2.5 none | Moonshot AI | 1 | 0.3 | $0.262 | 0/2 | 61.0s |
| #334 | Qwen3.6 Max Preview none | Qwen | 1 | 0.7 | $0.228 | 1/2 | 61.6s |