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: সঠিক টেস্ট ↑.
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) |
|---|---|---|---|---|---|---|---|
| #27 | Claude Opus 5 high | Anthropic | 2 | 0.3 | $4.524 | 0/3 | 104.2s |
| #28 | Claude Opus 5 medium | Anthropic | 3 | 0.3 | $2.870 | 0/3 | 26.3s |
| #29 | Seed 2.1 Turbo low | Bytedance Seed | 1 | 0.3 | $1.645 | 0/3 | 424.5s |
| #30 | Muse Spark Open high | Meta | 2 | 0.4 | $1.782 | 0/3 | 412.1s |
| #35 | Qwen3.8 MAX medium | Qwen | 3 | 0.3 | $1.181 | 0/3 | 41.8s |
| #39 | Muse Spark 1.3 high | Meta | 2 | 0.3 | $1.891 | 0/3 | 174.6s |
| #42 | Seed 2.1 Turbo high | Bytedance Seed | 2 | 0.3 | $1.892 | 0/3 | 506.2s |
| #44 | Muse Spark Open xhigh | Meta | 1 | 0.3 | $2.081 | 0/3 | 341.5s |
| #46 | Qwen3.8 Max (0902) medium | Qwen | 3 | 0.4 | $1.096 | 0/3 | 49.4s |
| #47 | Muse Spark 1.3 medium | Meta | 3 | 0.3 | $1.712 | 0/3 | 132.3s |
| #48 | Gemini 3.5 Flash Lite high | 3 | 0.4 | $0.624 | 0/3 | 23.1s | |
| #52 | GLM 5.3 Flash max | Z.ai | 2 | 0.4 | $0.089 | 0/3 | 203.3s |
| #54 | Muse Spark 1.2 high | Meta | 3 | 0.4 | $2.018 | 0/3 | 108.9s |
| #56 | Muse Spark 1.1 medium | Meta | 3 | 0.3 | $1.665 | 0/3 | 80.8s |
| #59 | Qwen3.8 MAX low | Qwen | 3 | 0.3 | $1.089 | 0/3 | 40.1s |