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) |
|---|---|---|---|---|---|---|---|
| #44 | Muse Spark Open xhigh | Meta | 1 | 0.3 | $2.081 | 0/3 | 341.5s |
| #51 | Gemini 3.6 Flash low | 1 | 0.8 | $0.363 | 2/3 | 4.65s | |
| #57 | Claude Fable 5 medium | Anthropic | 1 | 0.5 | $5.089 | 1/3 | 37.3s |
| #65 | GPT-5.2 medium | OpenAI | 1 | 0.6 | $1.558 | 1/3 | 97.3s |
| #66 | Qwen3.8 27B high | Qwen | 1 | 0.5 | ~$0.298 | 1/3 | 526.7s |
| #67 | MiMo-V2.6-Pro medium | Xiaomi | 1 | 0.3 | $0.586 | 0/3 | 619.7s |
| #74 | Claude Haiku 5.5 low | Anthropic | 1 | 0.6 | $0.061 | 1/3 | 7.35s |
| #81 | Nemotron 3.5 Super VL high | NVIDIA | 1 | 0.4 | $0.349 | 0/3 | 113.7s |
| #85 | Gemini 3.1 Pro Preview medium | 1 | 0.8 | $1.585 | 2/3 | 20.3s | |
| #86 | Inkling high | Thinkingmachines | 1 | 0.8 | $1.238 | 2/3 | 174.7s |
| #87 | Muse Spark 1.1 high | Meta | 1 | 0.3 | $2.570 | 0/3 | 94.7s |
| #89 | GLM 5.2 high | Z.ai | 1 | 0.3 | $4.632 | 0/3 | 126.8s |
| #91 | Claude Haiku 5.5 high | Anthropic | 1 | 0.4 | $0.088 | 0/3 | 16.3s |
| #96 | Ling 3.1 Flash medium | Inclusionai | 1 | 0.3 | $0.000 | 0/3 | 262.3s |
| #100 | GLM 5.2 medium | Z.ai | 1 | 0.4 | $1.007 | 0/3 | 45.5s |