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
414/414
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) |
|---|---|---|---|---|---|---|---|
| #320 | Ember-1 none | Fireworks | 2 | 0.5 | $0.786 | 1/3 | 21.6s |
| #321 | Hy3 preview medium | Tencent | 2 | 0.5 | $0.049 | 1/3 | 22.3s |
| #323 | Granite 4.2 8B low | IBM Granite | 2 | 0.5 | $0.036 | 1/3 | 26.2s |
| #325 | Qwen3.6 Max Preview none | Qwen | 2 | 0.5 | $0.228 | 1/3 | 1.23s |
| #326 | Laguna XS 2.1 none | Poolside | 2 | 0.5 | $0.020 | 1/3 | 303ms |
| #328 | Inkling Small low | Thinkingmachines | 2 | 0.5 | $0.055 | 1/3 | 852ms |
| #329 | Ling 3.0 Flash none | Inclusionai | 2 | 0.3 | $0.004 | 0/3 | 840ms |
| #333 | MiMo-V2-Flash medium | Xiaomi | 2 | 0.6 | $0.043 | 1/3 | 96.0s |
| #334 | Mistral Small 4 medium | Mistral | 2 | 0.6 | $0.126 | 1/3 | 6.33s |
| #335 | Mistral Small 4 none | Mistral | 2 | 0.5 | $0.047 | 1/3 | 377ms |
| #337 | KAT Coder AIR V2.5 medium | Kwaipilot | 2 | 0.3 | $0.048 | 0/3 | 6.58s |
| #346 | Grok 4.20 Beta medium | X AI | 2 | 0.5 | $0.750 | 1/3 | 21.3s |
| #347 | Inkling Small none | Thinkingmachines | 2 | 0.5 | $0.054 | 1/3 | 442ms |
| #348 | Qwen3 Coder Next default | Qwen | 2 | 0.5 | $0.067 | 1/3 | 871ms |
| #350 | Gemini 3 PRO Preview medium | 2 | 0.5 | $0.385 | 1/3 | 7.01s |