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) |
|---|---|---|---|---|---|---|---|
| #354 | Hy4 preview none | Tencent | 2 | 0.7 | $0.165 | 1/3 | 25.6s |
| #356 | Hy3 preview high | Tencent | 2 | 0.5 | $0.135 | 1/3 | 109.0s |
| #357 | GLM 4.7 Flash none | Z.ai | 2 | 0.5 | $0.027 | 1/3 | 2.22s |
| #362 | Granite 4.2 8B high | IBM Granite | 2 | 0.3 | $0.111 | 0/3 | 167.2s |
| #367 | GLM 5V Turbo none | Z.ai | 2 | 0.5 | $0.052 | 1/3 | 2.09s |
| #370 | Owl Alpha medium | Openrouter | 2 | 0.5 | $0.000 | 1/3 | 8.58s |
| #371 | Mimo V2 PRO default | Xiaomi | 2 | 0.5 | $0.045 | 1/3 | 1.78s |
| #372 | Owl Alpha default | Openrouter | 2 | 0.5 | $0.000 | 1/3 | 3.00s |
| #374 | Hy3 preview low | Tencent | 2 | 0.6 | $0.042 | 1/3 | 40.4s |
| #375 | Ring 2.6 1t default | Inclusionai | 2 | 0.5 | $0.026 | 1/3 | 56.8s |
| #376 | Mimo V2 Omni default | Xiaomi | 2 | 0.5 | $0.021 | 1/3 | 2.10s |
| #379 | Trinity Large Preview default | Arcee AI | 2 | 0.5 | $0.008 | 1/3 | 877ms |
| #382 | Mercury 2 none | Inception | 2 | 0.6 | $0.033 | 1/3 | 500ms |
| #383 | Gemini 3.1 Flash Lite Preview high | 2 | 0.5 | $2.310 | 1/3 | 127.6s | |
| #384 | MiniMax M2.5 medium | Minimax | 2 | 0.3 | $0.440 | 0/3 | 158.9s |