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
198/198
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) |
|---|---|---|---|---|---|---|---|
| #40 | Claude Sonnet 4.6 medium | Anthropic | 1 | 2.9 | $2.057 | 0/3 | 0ms |
| #42 | GLM 5 medium | Z.ai | 2 | 3.5 | $0.307 | 0/3 | 0ms |
| #210 | LFM2-24B-A2B none | Liquid | 1 | 5.9 | $0.001 | 1/3 | 287ms |
| #201 | Granite 4.1 8B none | IBM Granite | 3 | 3.0 | $0.007 | 0/3 | 357ms |
| #160 | Laguna XS 2.1 none | Poolside | 2 | 5.3 | $0.008 | 1/3 | 364ms |
| #165 | Mistral Small 4 none | Mistral | 2 | 5.3 | $0.022 | 1/3 | 367ms |
| #205 | Laguna Xs.2 none | Poolside | 2 | 5.3 | $0.004 | 1/3 | 371ms |
| #169 | Qwen3.5-9B none | Qwen | 3 | 3.0 | $0.021 | 0/3 | 464ms |
| #142 | Qwen3.5-122B-A10B none | Qwen | 2 | 5.3 | $0.247 | 1/3 | 465ms |
| #127 | Qwen3.5-35B-A3B none | Qwen | 1 | 7.7 | $0.106 | 2/3 | 485ms |
| #208 | Nemotron 3 Nano Omni 30b A3b Reasoning none | NVIDIA | 3 | 3.6 | $0.000 | 0/3 | 489ms |
| #118 | Gemini 2.5 Flash none | 2 | 5.9 | $0.017 | 1/3 | 495ms | |
| #189 | Mercury 2 none | Inception | 2 | 5.3 | $0.030 | 1/3 | 534ms |
| #103 | Qwen3.5-27B none | Qwen | 3 | 3.0 | $0.090 | 0/3 | 540ms |
| #200 | MiMo-V2-Flash none | Xiaomi | 2 | 5.3 | $0.025 | 1/3 | 564ms |