ডেটা পার্সিং ও নিষ্কাশন: ভুল উত্তর
ডেটা পার্সিং ও নিষ্কাশন
ভুল উত্তর
দেখুন ডেটা পার্সিং ও নিষ্কাশন এ কোন AI মডেলগুলোর ভুল উত্তর হওয়ার সম্ভাবনা সবচেয়ে বেশি, যাতে দুর্বল দিক দ্রুত ধরা যায়। সাজান: প্রতিক্রিয়া সময় (গড়) ↑.
ব্যর্থতার কারণ
80/80
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) |
|---|---|---|---|---|---|---|---|
| #434 | Decider V1.1 27B default | Perplexity | 1 | 0.6 | $0.002 | 1/2 | 286ms |
| #438 | Jev 1.14 default | Typesafe | 1 | 0.7 | $0.003 | 1/2 | 335ms |
| #443 | D1 default | Liquid | 1 | 0.6 | $0.003 | 1/2 | 418ms |
| #441 | Decider Flash V1.2 default | Perplexity | 1 | 0.7 | $0.001 | 1/2 | 422ms |
| #433 | Decider V1.2 default | Perplexity | 1 | 0.6 | $0.001 | 1/2 | 482ms |
| #449 | Tev1 4B Experimental default | Togethercomputer | 2 | 0.3 | $0.002 | 0/2 | 509ms |
| #405 | Granite 4.1 8b default | IBM Granite | 2 | 0.3 | $0.007 | 0/2 | 575ms |
| #430 | d1-ultra default | Liquid | 1 | 0.7 | $0.003 | 1/2 | 587ms |
| #391 | Mercury 2 none | Inception | 1 | 0.7 | $0.033 | 1/2 | 667ms |
| #428 | Span-02 default | Respan | 1 | 0.7 | $0.001 | 1/2 | 710ms |
| #445 | LFM2-24B-A2B default | Liquid | 2 | 0.3 | $0.001 | 0/2 | 714ms |
| #450 | Nimble v3 9B default | Bespoke Labs | 2 | 0.3 | ~$0.001 | 0/2 | 880ms |
| #414 | Elephant Alpha medium | Openrouter | 1 | 0.6 | $0.000 | 1/2 | 979ms |
| #367 | Mercury 2.5 Preview default | Inception | 1 | 0.6 | $0.023 | 1/2 | 1.04s |
| #413 | Elephant Alpha default | Openrouter | 1 | 0.6 | $0.000 | 1/2 | 1.04s |