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) |
|---|---|---|---|---|---|---|---|
| #202 | Qwen3.5-Flash medium | Qwen | 2 | 0.3 | $0.184 | 0/3 | 143.8s |
| #203 | Inkling low | Thinkingmachines | 2 | 0.5 | $0.293 | 1/3 | 1.68s |
| #204 | Mercury 2.5 Preview medium | Inception | 2 | 0.5 | $0.039 | 1/3 | 3.72s |
| #205 | GPT-6 Sol none | OpenAI | 2 | 0.5 | $0.551 | 1/3 | 3.41s |
| #209 | Grok Build 0.1 medium | X AI | 2 | 0.3 | $1.419 | 0/3 | 175.9s |
| #210 | Qwen3.5-Flash none | Qwen | 2 | 0.5 | $0.089 | 1/3 | 873ms |
| #214 | Ember-1 max | Fireworks | 2 | 0.4 | $3.264 | 0/3 | 471.2s |
| #215 | GPT 5.3 Chat default | OpenAI | 2 | 0.3 | $0.533 | 0/3 | 12.7s |
| #216 | GPT-5.6 Sol none | OpenAI | 2 | 0.6 | $0.795 | 1/3 | 1.44s |
| #219 | GPT-5.5 none | OpenAI | 2 | 0.5 | $1.212 | 1/3 | 1.27s |
| #228 | Minimax M3.1 Flash high | Minimax | 2 | 0.6 | $0.000 | 1/3 | 134.5s |
| #232 | Beam 1.0 501B A23B xhigh | Reflection | 2 | 0.6 | $0.688 | 1/3 | 20.2s |
| #233 | GLM 5.3 low | Z.ai | 2 | 0.5 | $0.215 | 1/3 | 19.2s |
| #234 | GLM 5.1 none | Z.ai | 2 | 0.5 | $0.451 | 1/3 | 2.27s |
| #237 | Laguna XS 2.1 medium | Poolside | 2 | 0.3 | $0.083 | 0/3 | 67.5s |