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) |
|---|---|---|---|---|---|---|---|
| #385 | GLM 4.7 Flash medium | Z.ai | 2 | 0.3 | $0.193 | 0/3 | 96.7s |
| #387 | GLM 5 Turbo none | Z.ai | 2 | 0.5 | $0.047 | 1/3 | 1.97s |
| #388 | Mercury 2.5 none | Inception | 2 | 0.5 | $0.026 | 1/3 | 533ms |
| #389 | Qwen3.6 Plus Preview medium | Qwen | 2 | 0.3 | $0.000 | 0/3 | 22.1s |
| #391 | Grok 4.20 Multi Agent Beta medium | X AI | 2 | 0.3 | $5.599 | 0/3 | 24.7s |
| #394 | Laguna M.1 medium | Poolside | 2 | 0.5 | $0.033 | 1/3 | 24.1s |
| #395 | Ling 3.0 Tiny default | Inclusionai | 2 | 0.3 | $0.000 | 0/3 | 880ms |
| #406 | Hunter Alpha default | OpenRouter | 2 | 0.5 | $0.000 | 1/3 | 2.33s |
| #407 | Grok 4.20 none | X AI | 2 | 0.3 | $0.057 | 0/3 | 687ms |
| #409 | Laguna Xs.2 medium | Poolside | 2 | 0.4 | $0.015 | 0/3 | 11.1s |
| #410 | Hy3 preview none | Tencent | 2 | 0.4 | $0.007 | 0/3 | 17.6s |
| #411 | MiMo-V2-Flash default | Xiaomi | 2 | 0.5 | $0.025 | 1/3 | 564ms |
| #413 | Grok Build 0.1 none | X AI | 2 | 0.4 | $0.547 | 0/3 | 103.7s |
| #415 | Grok 4.1 Fast default | X AI | 2 | 0.6 | $0.008 | 1/3 | 1.06s |
| #416 | Laguna Xs.2 default | Poolside | 2 | 0.5 | $0.004 | 1/3 | 371ms |