ডোমেইন-নির্দিষ্ট: ভুল উত্তর
ডোমেইন-নির্দিষ্ট
ভুল উত্তর
দেখুন ডোমেইন-নির্দিষ্ট এ কোন AI মডেলগুলোর ভুল উত্তর হওয়ার সম্ভাবনা সবচেয়ে বেশি, যাতে দুর্বল দিক দ্রুত ধরা যায়। সাজান: প্রতিক্রিয়া সময় (গড়) ↑.
ব্যর্থতার কারণ
414/414
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) |
|---|---|---|---|---|---|---|---|
| #172 | GLM 5 medium | Z.ai | 2 | 0.3 | $0.479 | 0/3 | 0ms |
| #441 | Nimble v3 9B default | Bespoke Labs | 2 | 0.2 | ~$0.001 | 0/2 | 80ms |
| #396 | Granite 4.1 8b default | IBM Granite | 3 | 0.3 | $0.007 | 0/3 | 287ms |
| #436 | LFM2-24B-A2B default | Liquid | 1 | 0.6 | $0.001 | 1/3 | 287ms |
| #326 | Laguna XS 2.1 none | Poolside | 2 | 0.5 | $0.020 | 1/3 | 303ms |
| #425 | Decider V1.1 27B default | Perplexity | 2 | 0.5 | $0.002 | 1/3 | 313ms |
| #361 | Laguna S 2.1 none | Poolside | 3 | 0.3 | $0.044 | 0/3 | 337ms |
| #416 | Laguna Xs.2 default | Poolside | 2 | 0.5 | $0.004 | 1/3 | 371ms |
| #335 | Mistral Small 4 none | Mistral | 2 | 0.5 | $0.047 | 1/3 | 377ms |
| #347 | Inkling Small none | Thinkingmachines | 2 | 0.5 | $0.054 | 1/3 | 442ms |
| #429 | Jev 1.14 default | Typesafe | 1 | 0.8 | $0.003 | 2/3 | 444ms |
| #309 | Gemini 2.5 Flash none | 3 | 0.4 | $0.017 | 0/3 | 449ms | |
| #422 | Nemotron 3 Nano Omni 30b A3b Reasoning default | NVIDIA | 3 | 0.4 | $0.000 | 0/3 | 489ms |
| #382 | Mercury 2 none | Inception | 2 | 0.6 | $0.033 | 1/3 | 500ms |
| #304 | Qwen3.5-35B-A3B none | Qwen | 2 | 0.5 | $0.120 | 1/3 | 507ms |