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) |
|---|---|---|---|---|---|---|---|
| #419 | Span-02 default | Respan | 2 | 0.5 | $0.001 | 1/3 | 1.24s |
| #420 | Nemotron 3 Nano Omni 30b A3b Reasoning medium | NVIDIA | 2 | 0.3 | $0.000 | 0/3 | 56.7s |
| #421 | d1-ultra default | Liquid | 2 | 0.5 | $0.003 | 1/3 | 576ms |
| #425 | Decider V1.1 27B default | Perplexity | 2 | 0.5 | $0.002 | 1/3 | 313ms |
| #426 | Drex v1.5 default | Nace AI | 2 | 0.5 | $0.002 | 1/3 | 1.09s |
| #427 | GPT-6 Luna Decisions default | OpenAI | 2 | 0.5 | $0.005 | 1/3 | 554ms |
| #428 | Kev 4B default | Jaredpalmer | 2 | 0.5 | $0.002 | 1/3 | 6.34s |
| #430 | Classify-1 default | Scaledown | 2 | 0.5 | $0.008 | 1/3 | 1.54s |
| #432 | Decider Flash V1.2 default | Perplexity | 2 | 0.5 | $0.001 | 1/3 | 527ms |
| #441 | Nimble v3 9B default | Bespoke Labs | 2 | 0.2 | ~$0.001 | 0/2 | 80ms |
| #1 | Gemini 3.6 Flash high | 1 | 0.8 | $0.900 | 2/3 | 33.3s | |
| #3 | GPT-6 Sol high | OpenAI | 1 | 0.8 | $0.921 | 2/3 | 62.9s |
| #6 | GPT-6.1 Sol xhigh | OpenAI | 1 | 0.8 | $1.377 | 2/3 | 177.3s |
| #7 | GPT-6 Astra high | OpenAI | 1 | 0.8 | $4.458 | 2/3 | 95.1s |
| #8 | GPT-6 Astra xhigh | OpenAI | 1 | 0.8 | $6.213 | 2/3 | 147.0s |