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
423/423
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) |
|---|---|---|---|---|---|---|---|
| #99 | Gemini 4 Argon low | 2 | 0.5 | $0.438 | 1/3 | 1.94s | |
| #101 | Grok 4.5 high | X AI | 2 | 0.4 | $2.687 | 0/3 | 301.3s |
| #103 | GPT-5.6 Terra medium | OpenAI | 2 | 0.5 | $0.483 | 1/3 | 21.5s |
| #110 | GPT-5.6 Luna high | OpenAI | 2 | 0.5 | $0.118 | 1/3 | 62.9s |
| #112 | GPT-5.4 Nano medium | OpenAI | 2 | 0.6 | $0.235 | 1/3 | 38.7s |
| #115 | GPT-5.6 Terra low | OpenAI | 2 | 0.5 | $0.435 | 1/3 | 9.34s |
| #121 | Gemini 3.5 Flash medium | 2 | 0.5 | $1.316 | 1/3 | 7.28s | |
| #126 | DeepSeek V4.1 Flash 1017 high | DeepSeek | 2 | 0.3 | $0.589 | 0/3 | 186.0s |
| #127 | Grok 4.5 medium | X AI | 2 | 0.5 | $2.996 | 1/3 | 249.3s |
| #129 | Step 3.7 Flash medium | Stepfun | 2 | 0.5 | $0.571 | 1/3 | 27.3s |
| #130 | Grok 4.6 medium | X AI | 2 | 0.5 | $2.270 | 1/3 | 304.3s |
| #131 | Qwen3.7 Plus none | Qwen | 2 | 0.5 | $0.178 | 1/3 | 1.04s |
| #135 | GPT-6 Luna high | OpenAI | 2 | 0.6 | $0.074 | 1/3 | 51.1s |
| #136 | Muse Glimmer 30B high | Meta | 2 | 0.3 | $0.506 | 0/3 | 182.6s |
| #137 | Nemotron 3.5 Super VL medium | NVIDIA | 2 | 0.4 | $0.437 | 0/3 | 196.7s |