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) |
|---|---|---|---|---|---|---|---|
| #102 | Kimi K2.7 Code medium | Moonshot AI | 1 | 3.7 | $0.687 | 0/3 | 184.2s |
| #108 | Claude Sonnet 4.6 none | Anthropic | 1 | 7.7 | $0.661 | 2/3 | 2.27s |
| #109 | GLM 5.3 high | Z.ai | 1 | 2.9 | $0.403 | 0/3 | 112.3s |
| #129 | GLM 5.1 medium | Z.ai | 1 | 3.0 | $0.727 | 0/3 | 114.0s |
| #132 | Grok 4.20 medium | X AI | 1 | 2.9 | $0.805 | 0/3 | 49.7s |
| #133 | Seed-2.0-Mini medium | Bytedance Seed | 1 | 3.0 | $0.116 | 0/3 | 103.4s |
| #148 | Gemini 3 Flash Preview none | 1 | 7.7 | $0.085 | 2/3 | 879ms | |
| #149 | Gemma 4 26B A4B medium | 1 | 5.3 | $0.092 | 1/3 | 35.1s | |
| #150 | GLM 5.2 none | Z.ai | 1 | 7.7 | $0.153 | 2/3 | 6.35s |
| #152 | LongCat 2.0 low | Meituan | 1 | 2.9 | $0.412 | 0/3 | 183.6s |
| #153 | Gemini 3.5 Flash minimal | 1 | 7.7 | $0.300 | 2/3 | 879ms | |
| #156 | Claude Opus 4.7 none | Anthropic | 1 | 7.7 | $0.505 | 2/3 | 1.19s |
| #159 | Gemini 3.1 Flash Lite Preview low | 1 | 7.7 | $0.646 | 2/3 | 2.10s | |
| #161 | Gemini 3.1 Flash Lite low | 1 | 7.7 | $0.621 | 2/3 | 1.44s | |
| #164 | Qwen3.5 Plus 2026-02-15 none | Qwen | 1 | 7.7 | $0.073 | 2/3 | 1.24s |