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) |
|---|---|---|---|---|---|---|---|
| #36 | Qwen3.8 Max (0902) high | Qwen | 1 | 0.6 | $3.306 | 1/3 | 658.5s |
| #68 | Seed 2.1 Turbo medium | Bytedance Seed | 3 | 0.3 | $2.042 | 0/3 | 656.0s |
| #67 | MiMo-V2.6-Pro medium | Xiaomi | 1 | 0.3 | $0.586 | 0/3 | 619.7s |
| #66 | Qwen3.8 27B high | Qwen | 1 | 0.5 | ~$0.298 | 1/3 | 526.7s |
| #42 | Seed 2.1 Turbo high | Bytedance Seed | 2 | 0.3 | $1.892 | 0/3 | 506.2s |
| #209 | Ember-1 max | Fireworks | 2 | 0.4 | $3.264 | 0/3 | 471.2s |
| #317 | Hy4 preview low | Tencent | 3 | 0.5 | $1.844 | 0/3 | 470.2s |
| #88 | DeepSeek V4 Flash 0731 high | DeepSeek | 2 | 0.3 | $0.576 | 0/3 | 458.6s |
| #162 | LongCat 2.0 high | Meituan | 2 | 0.4 | $0.778 | 0/3 | 433.7s |
| #151 | Seed-2.0-Code medium | Bytedance Seed | 2 | 0.5 | $1.275 | 1/3 | 429.8s |
| #29 | Seed 2.1 Turbo low | Bytedance Seed | 1 | 0.3 | $1.645 | 0/3 | 424.5s |
| #147 | Seed-2.0-Code high | Bytedance Seed | 2 | 0.3 | $1.448 | 0/3 | 419.7s |
| #30 | Muse Spark Open high | Meta | 2 | 0.4 | $1.782 | 0/3 | 412.1s |
| #171 | LongCat 2.0 medium | Meituan | 2 | 0.3 | $0.767 | 0/3 | 390.6s |
| #398 | Xing4.0 29b A4b medium | Xingchen AGI | 1 | 0.4 | $0.000 | 0/3 | 381.9s |