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।
ব্যর্থতার কারণ
202/202
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) |
|---|---|---|---|---|---|---|---|
| #170 | Inkling none | Thinkingmachines | 2 | 5.3 | $0.147 | 1/3 | 1.45s |
| #171 | Mistral Small 4 none | Mistral | 2 | 5.3 | $0.022 | 1/3 | 367ms |
| #172 | Qwen3 Coder Next none | Qwen | 2 | 5.3 | $0.025 | 1/3 | 962ms |
| #176 | GLM 5 Turbo none | Z.ai | 2 | 5.3 | $0.047 | 1/3 | 1.97s |
| #179 | DeepSeek V3.2 none | DeepSeek | 2 | 2.9 | $0.054 | 0/3 | 4.17s |
| #181 | Qwen3.6 Plus Preview medium | Qwen | 2 | 3.0 | $0.000 | 0/3 | 22.1s |
| #185 | Ring-2.6-1T none | Inclusionai | 2 | 5.3 | $0.026 | 1/3 | 73.4s |
| #187 | Grok 4.20 Multi Agent Beta medium | X AI | 2 | 2.9 | $5.599 | 0/3 | 24.7s |
| #189 | Trinity Large Preview none | Arcee AI | 2 | 5.3 | $0.008 | 1/3 | 877ms |
| #192 | Laguna M.1 medium | Poolside | 2 | 5.3 | $0.033 | 1/3 | 24.1s |
| #193 | Qwen3 Coder Next medium | Qwen | 2 | 5.3 | $0.032 | 1/3 | 638ms |
| #195 | Mercury 2 none | Inception | 2 | 5.3 | $0.030 | 1/3 | 534ms |
| #196 | MiniMax M2.5 medium | Minimax | 2 | 2.9 | $0.340 | 0/3 | 237.3s |
| #200 | GLM 4.7 Flash medium | Z.ai | 2 | 3.5 | $0.166 | 0/3 | 174.6s |
| #202 | Hunter Alpha none | OpenRouter | 2 | 5.3 | $0.000 | 1/3 | 2.33s |