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
299/299
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) |
|---|---|---|---|---|---|---|---|
| #196 | Grok 4.20 Beta medium | X AI | 2 | 5.3 | $0.750 | 1/3 | 21.3s |
| #197 | GPT-5.6 Terra none | OpenAI | 2 | 5.3 | $0.280 | 1/3 | 843ms |
| #198 | Gemini 3 PRO Preview medium | 2 | 5.3 | $0.385 | 1/3 | 7.01s | |
| #199 | GPT-5 Nano medium | OpenAI | 2 | 3.4 | $0.118 | 0/3 | 124.1s |
| #200 | Qwen3.5-Flash none | Qwen | 2 | 5.3 | $0.073 | 1/3 | 873ms |
| #201 | Qwen3.5-35B-A3B none | Qwen | 2 | 5.3 | $0.142 | 1/3 | 507ms |
| #205 | Hy3 preview high | Tencent | 2 | 5.3 | $0.135 | 1/3 | 109.0s |
| #209 | GPT-5.4 none | OpenAI | 2 | 5.3 | $0.397 | 1/3 | 1.15s |
| #211 | North Mini Code medium | Cohere | 2 | 2.9 | $0.000 | 0/3 | 107.2s |
| #212 | Nemotron 3 Super medium | NVIDIA | 2 | 2.9 | $0.050 | 0/3 | 19.4s |
| #214 | Inkling Small low | Thinkingmachines | 2 | 5.3 | $0.055 | 1/3 | 852ms |
| #215 | Ling-3.0-flash none | Inclusionai | 2 | 3.0 | $0.004 | 0/3 | 840ms |
| #216 | GLM 5.1 none | Z.ai | 2 | 5.3 | $0.164 | 1/3 | 2.27s |
| #218 | Qwen3.5-122B-A10B none | Qwen | 2 | 5.3 | $0.283 | 1/3 | 523ms |
| #221 | GLM 5V Turbo none | Z.ai | 2 | 5.3 | $0.052 | 1/3 | 2.09s |