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
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) |
|---|---|---|---|---|---|---|---|
| #33 | GPT-5.5 medium | OpenAI | 2 | 0.5 | $4.809 | 1/3 | 168.2s |
| #37 | GPT-5.3-Codex medium | OpenAI | 2 | 0.6 | $1.318 | 1/3 | 63.9s |
| #39 | Muse Spark 1.3 high | Meta | 2 | 0.3 | $1.891 | 0/3 | 174.6s |
| #40 | Muse Wonder low | Meta | 2 | 0.5 | $2.637 | 1/3 | 51.4s |
| #42 | Seed 2.1 Turbo high | Bytedance Seed | 2 | 0.3 | $1.892 | 0/3 | 506.2s |
| #43 | Muse Wonder minimal | Meta | 2 | 0.5 | $1.639 | 1/3 | 15.0s |
| #45 | Gemini 3.5 Flash low | 2 | 0.5 | $0.752 | 1/3 | 4.89s | |
| #49 | Gemini 4 Argon medium | 2 | 0.5 | $0.674 | 1/3 | 2.44s | |
| #50 | Claude Opus 5 low | Anthropic | 2 | 0.5 | $2.350 | 1/3 | 8.91s |
| #52 | GLM 5.3 Flash max | Z.ai | 2 | 0.4 | $0.089 | 0/3 | 203.3s |
| #53 | Muse Spark Open low | Meta | 2 | 0.5 | $0.600 | 1/3 | 75.5s |
| #55 | Muse Spark 1.2 medium | Meta | 2 | 0.5 | $1.590 | 1/3 | 77.2s |
| #58 | Pareto 26.9 default | Unbiased | 2 | 0.6 | $1.864 | 1/3 | 61.0s |
| #60 | GPT-5.4 medium | OpenAI | 2 | 0.5 | $2.213 | 1/3 | 72.4s |
| #61 | Muse Spark Open medium | Meta | 2 | 0.6 | $1.260 | 1/3 | 216.2s |