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) |
|---|---|---|---|---|---|---|---|
| #238 | Qwen3.5-122B-A10B none | Qwen | 2 | 0.5 | $0.308 | 1/3 | 523ms |
| #244 | Kimi K2.5 medium | Moonshot AI | 2 | 0.3 | $0.841 | 0/3 | 111.6s |
| #249 | Dots 3 Note Preview high | Dots Studio | 2 | 0.5 | $0.000 | 1/3 | 69.4s |
| #251 | LongCat 2.0 none | Meituan | 2 | 0.5 | $0.104 | 1/3 | 1.68s |
| #254 | Gemini 3.5 Flash Lite low | 2 | 0.6 | $0.183 | 1/3 | 3.55s | |
| #261 | Claude Opus 4.6 medium | Anthropic | 2 | 0.3 | $2.961 | 0/3 | 42.5s |
| #262 | Space Bunny Alpha medium | Stealth | 2 | 0.5 | $0.000 | 1/3 | 105.6s |
| #263 | DeepSeek V3.2 medium | DeepSeek | 2 | 0.3 | $0.152 | 0/3 | 22.9s |
| #264 | Trinity Large Thinking low | Arcee AI | 2 | 0.3 | $0.918 | 0/3 | 140.3s |
| #269 | GLM 5 Turbo medium | Z.ai | 2 | 0.3 | $0.323 | 0/3 | 71.1s |
| #270 | DeepSeek V4 Flash 0731 none | DeepSeek | 2 | 0.5 | $0.053 | 1/3 | 1.17s |
| #271 | Gemini 3.1 Flash Lite Preview none | 2 | 0.5 | $0.090 | 1/3 | 811ms | |
| #273 | Gemini 3.5 Flash none | 2 | 0.5 | $1.752 | 1/3 | 12.2s | |
| #275 | Trinity Large Thinking medium | Arcee AI | 2 | 0.5 | $0.862 | 1/3 | 124.2s |
| #277 | Inkling none | Thinkingmachines | 2 | 0.5 | $0.292 | 1/3 | 1.18s |