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
59/59
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) |
|---|---|---|---|---|---|---|---|
| #270 | Nemotron 3.5 Lightning low | NVIDIA | 1 | 2.9 | $0.140 | 0/2 | 31.3s |
| #271 | GPT-5.4 Nano none | OpenAI | 1 | 6.5 | $0.041 | 1/2 | 1.11s |
| #272 | Trinity Large Thinking high | Arcee AI | 1 | 6.3 | $0.592 | 1/2 | 14.0s |
| #275 | GLM 4.7 Flash none | Z.ai | 1 | 7.3 | $0.016 | 1/2 | 4.82s |
| #280 | Cobuddy medium | Baidu | 1 | 6.3 | $0.000 | 1/2 | 17.4s |
| #281 | Mercury 2 none | Inception | 1 | 7.3 | $0.030 | 1/2 | 667ms |
| #282 | Granite 4.2 8B high | IBM Granite | 1 | 3.8 | $0.084 | 0/2 | 56.5s |
| #283 | Qwen3 Coder Next medium | Qwen | 1 | 6.5 | $0.034 | 1/2 | 81.8s |
| #288 | Elephant Alpha none | Openrouter | 1 | 6.5 | $0.000 | 1/2 | 1.04s |
| #290 | Elephant Alpha medium | Openrouter | 1 | 6.5 | $0.000 | 1/2 | 979ms |
| #300 | Grok Build 0.1 none | X AI | 1 | 3.8 | $0.547 | 0/2 | 9.33s |
| #302 | Ling 3.0 Tiny low | Inclusionai | 1 | 2.8 | $0.000 | 0/2 | 4.82s |
| #305 | Ling 3.0 Tiny medium | Inclusionai | 1 | 2.7 | $0.000 | 0/2 | 4.41s |
| #308 | Nemotron 3 Nano Omni 30b A3b Reasoning medium | NVIDIA | 1 | 7.3 | $0.000 | 1/2 | 2.72s |