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।
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) |
|---|---|---|---|---|---|---|---|
| #141 | Muse Glimmer 30B medium | Meta | 1 | 0.7 | $0.288 | 1/2 | 7.20s |
| #154 | Seed-2.0-Code medium | Bytedance Seed | 1 | 0.7 | $1.275 | 1/2 | 18.8s |
| #165 | LongCat 2.0 high | Meituan | 1 | 0.4 | $0.778 | 0/2 | 11.0s |
| #170 | Qwen3.8 27B medium | Qwen | 1 | 0.6 | ~$0.073 | 1/2 | 8.76s |
| #172 | Claude Opus 4.8 low | Anthropic | 1 | 0.6 | $3.787 | 1/2 | 2.27s |
| #176 | Step 3.7 Flash low | Stepfun | 1 | 0.7 | $0.449 | 1/2 | 2.29s |
| #183 | MiMo-V2.5 medium | Xiaomi | 1 | 0.3 | $0.130 | 0/2 | 6.33s |
| #200 | Claude Opus 4.8 none | Anthropic | 1 | 0.7 | $2.334 | 1/2 | 1.77s |
| #223 | Mercury 2 medium | Inception | 1 | 0.7 | $0.121 | 1/2 | 1.11s |
| #248 | MiMo-V2.5-Pro medium | Xiaomi | 1 | 0.7 | $0.332 | 1/2 | 18.8s |
| #249 | Dots 3 Note Preview high | Dots Studio | 1 | 0.7 | $0.000 | 1/2 | 12.7s |
| #250 | Dots 3 Note Preview low | Dots Studio | 1 | 0.7 | $0.000 | 1/2 | 11.5s |
| #253 | Qwen3.6 27B none | Qwen | 1 | 0.7 | $0.148 | 1/2 | 2.06s |
| #264 | Trinity Large Thinking low | Arcee AI | 1 | 0.7 | $0.918 | 1/2 | 14.3s |
| #268 | KAT-Coder-Pro V2.5 medium | Kwaipilot | 1 | 0.7 | $0.669 | 1/2 | 4.70s |