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) |
|---|---|---|---|---|---|---|---|
| #222 | Owl Alpha medium | Openrouter | 2 | 5.3 | $0.000 | 1/3 | 8.58s |
| #223 | Gemma 4 26B A4B none | 2 | 5.3 | $0.015 | 1/3 | 2.10s | |
| #224 | Mimo V2 PRO none | Xiaomi | 2 | 5.3 | $0.045 | 1/3 | 1.78s |
| #225 | Owl Alpha none | Openrouter | 2 | 5.3 | $0.000 | 1/3 | 3.00s |
| #226 | KAT-Coder-Air V2.5 medium | Kwaipilot | 2 | 3.0 | $0.048 | 0/3 | 6.58s |
| #228 | Hy4 preview low | Tencent | 2 | 4.5 | $1.745 | 0/3 | 470.2s |
| #230 | Hy3 preview low | Tencent | 2 | 5.9 | $0.042 | 1/3 | 40.4s |
| #232 | Mimo V2 Omni none | Xiaomi | 2 | 5.3 | $0.021 | 1/3 | 2.10s |
| #239 | DeepSeek V4 Flash 0731 none | DeepSeek | 2 | 5.3 | $0.011 | 1/3 | 1.17s |
| #241 | Inkling Small none | Thinkingmachines | 2 | 5.3 | $0.054 | 1/3 | 442ms |
| #242 | Laguna XS 2.1 none | Poolside | 2 | 5.3 | $0.008 | 1/3 | 303ms |
| #245 | Gemini 3.1 Flash Lite Preview high | 2 | 5.3 | $2.310 | 1/3 | 127.6s | |
| #248 | Inkling none | Thinkingmachines | 2 | 5.3 | $0.147 | 1/3 | 1.18s |
| #249 | Granite 4.2 8B medium | IBM Granite | 2 | 5.3 | $0.009 | 1/3 | 14.0s |
| #251 | Mistral Small 4 none | Mistral | 2 | 5.3 | $0.022 | 1/3 | 377ms |