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) |
|---|---|---|---|---|---|---|---|
| #278 | Qwen3.5 Plus 2026-04-20 none | Qwen | 2 | 0.5 | $0.216 | 1/3 | 1.06s |
| #280 | Granite 4.2 8B medium | IBM Granite | 2 | 0.5 | $0.029 | 1/3 | 14.0s |
| #285 | MiMo-V2.6-Pro none | Xiaomi | 2 | 0.5 | $0.193 | 1/3 | 791ms |
| #291 | Qwen3.6 Flash none | Qwen | 2 | 0.5 | $0.139 | 1/3 | 963ms |
| #294 | Qwen3.7 Flash none | Qwen | 2 | 0.5 | $0.028 | 1/3 | 814ms |
| #297 | GPT-5.6 Terra none | OpenAI | 2 | 0.5 | $0.377 | 1/3 | 843ms |
| #299 | Ling 3.0 Flash high | Inclusionai | 2 | 0.3 | $0.021 | 0/3 | 30.3s |
| #302 | GPT-5 Nano medium | OpenAI | 2 | 0.3 | $0.159 | 0/3 | 124.1s |
| #307 | Gemma 4 31B none | 2 | 0.5 | $0.031 | 1/3 | 3.65s | |
| #308 | Space Bunny Alpha low | Stealth | 2 | 0.5 | $0.000 | 1/3 | 65.7s |
| #309 | GPT-5.4 none | OpenAI | 2 | 0.5 | $0.690 | 1/3 | 1.15s |
| #313 | Qwen3.5-35B-A3B none | Qwen | 2 | 0.5 | $0.120 | 1/3 | 507ms |
| #314 | Nemotron 3.5 Super VL none | NVIDIA | 2 | 0.6 | $0.040 | 1/3 | 5.20s |
| #315 | Nemotron 3 Super medium | NVIDIA | 2 | 0.3 | $0.081 | 0/3 | 19.4s |
| #317 | Ling 3.1 Flash none | Inclusionai | 2 | 0.3 | $0.000 | 0/3 | 1.72s |