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) |
|---|---|---|---|---|---|---|---|
| #346 | KAT Coder AIR V2.5 medium | Kwaipilot | 1 | 0.6 | $0.048 | 1/2 | 3.65s |
| #350 | Mercury 2.5 Preview low | Inception | 1 | 0.6 | $0.015 | 1/2 | 1.12s |
| #351 | MiniMax M2.7 medium | Minimax | 1 | 0.6 | $0.326 | 1/2 | 21.9s |
| #354 | KAT Coder AIR V2.5 low | Kwaipilot | 1 | 0.6 | $0.046 | 1/2 | 2.82s |
| #357 | Qwen3 Coder Next default | Qwen | 1 | 0.6 | $0.067 | 1/2 | 1.32s |
| #363 | Hy4 preview none | Tencent | 1 | 0.9 | $0.165 | 1/2 | 22.8s |
| #366 | GLM 4.7 Flash none | Z.ai | 1 | 0.7 | $0.027 | 1/2 | 4.82s |
| #367 | Mercury 2.5 Preview default | Inception | 1 | 0.6 | $0.023 | 1/2 | 1.04s |
| #368 | Nemotron 3.5 Lightning medium | NVIDIA | 1 | 0.4 | $0.195 | 0/2 | 23.2s |
| #371 | Granite 4.2 8B high | IBM Granite | 1 | 0.4 | $0.111 | 0/2 | 56.5s |
| #372 | Qwen3 Coder Next medium | Qwen | 1 | 0.6 | $0.071 | 1/2 | 81.8s |
| #373 | DeepSeek V3.2 none | DeepSeek | 1 | 0.6 | $0.119 | 1/2 | 9.42s |
| #374 | GPT-5.4 Nano none | OpenAI | 1 | 0.6 | $0.068 | 1/2 | 1.11s |
| #378 | Nemotron 3.5 Lightning low | NVIDIA | 1 | 0.3 | $0.175 | 0/2 | 31.3s |
| #382 | Ling 2.6 Flash default | Inclusionai | 1 | 0.6 | $0.002 | 1/2 | 8.48s |