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) |
|---|---|---|---|---|---|---|---|
| #203 | Grok 4.20 none | X AI | 2 | 3.0 | $0.057 | 0/3 | 687ms |
| #204 | Laguna Xs.2 medium | Poolside | 2 | 4.1 | $0.015 | 0/3 | 11.1s |
| #205 | Hy3 preview none | Tencent | 2 | 3.6 | $0.003 | 0/3 | 17.6s |
| #206 | MiMo-V2-Flash none | Xiaomi | 2 | 5.3 | $0.025 | 1/3 | 564ms |
| #208 | Grok Build 0.1 none | X AI | 2 | 3.6 | $0.547 | 0/3 | 103.7s |
| #209 | Grok 4.1 Fast none | X AI | 2 | 5.9 | $0.008 | 1/3 | 1.06s |
| #211 | Laguna Xs.2 none | Poolside | 2 | 5.3 | $0.004 | 1/3 | 371ms |
| #213 | Nemotron 3 Nano Omni 30b A3b Reasoning medium | NVIDIA | 2 | 2.9 | $0.000 | 0/3 | 56.7s |
| #1 | Gemini 3.6 Flash medium | 1 | 8.2 | $0.831 | 2/3 | 12.6s | |
| #4 | Gemini 3.5 Flash high | 1 | 7.6 | $1.976 | 2/3 | 14.1s | |
| #10 | Gemini 3.1 Pro Preview medium | 1 | 7.7 | $1.361 | 2/3 | 32.7s | |
| #12 | Gemini 3.5 Flash medium | 1 | 7.7 | $0.642 | 2/3 | 5.24s | |
| #14 | Gemini 3.5 Flash low | 1 | 7.7 | $0.433 | 2/3 | 3.39s | |
| #24 | GPT-5.2 medium | OpenAI | 1 | 5.9 | $0.951 | 1/3 | 77.8s |
| #26 | Claude Sonnet 5 medium | Anthropic | 1 | 7.7 | $0.922 | 2/3 | 20.4s |