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) |
|---|---|---|---|---|---|---|---|
| #11 | GPT-6.1 Sol medium | OpenAI | 1 | 0.8 | $0.530 | 2/3 | 23.8s |
| #12 | GPT-6.1 Sol high | OpenAI | 1 | 0.8 | $0.755 | 2/3 | 59.0s |
| #14 | GPT-6 Astra low | OpenAI | 1 | 0.8 | $2.160 | 2/3 | 13.9s |
| #15 | Gemini 3 Flash Preview medium | 1 | 0.8 | $0.876 | 2/3 | 20.1s | |
| #16 | GPT-6.1 Sol low | OpenAI | 1 | 0.8 | $0.460 | 2/3 | 15.4s |
| #17 | Gemini 4 Argon high | 1 | 0.8 | $1.802 | 2/3 | 32.9s | |
| #18 | Gemini 3.7 Flash medium | 1 | 0.8 | $0.278 | 2/3 | 6.49s | |
| #19 | GPT-6 Sol medium | OpenAI | 1 | 0.8 | $0.703 | 2/3 | 36.4s |
| #26 | Gemini 3.7 Flash low | 1 | 0.8 | $0.183 | 2/3 | 3.09s | |
| #29 | Seed 2.1 Turbo low | Bytedance Seed | 1 | 0.3 | $1.645 | 0/3 | 424.5s |
| #31 | Claude Opus 5.5 medium | Anthropic | 1 | 0.8 | $1.804 | 2/3 | 21.3s |
| #32 | Muse Wonder medium | Meta | 1 | 0.5 | $3.397 | 1/3 | 70.7s |
| #36 | Qwen3.8 Max (0902) high | Qwen | 1 | 0.6 | $3.306 | 1/3 | 658.5s |
| #38 | Claude Haiku 5.5 xhigh | Anthropic | 1 | 0.5 | $0.140 | 1/3 | 47.8s |
| #41 | Pareto default | Unbiased | 1 | 0.8 | $1.520 | 2/3 | 98.8s |