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) |
|---|---|---|---|---|---|---|---|
| #111 | Gemini 3.8 Flash medium | 1 | 0.8 | $0.769 | 2/3 | 31.8s | |
| #114 | Qwen3.5-27B medium | Qwen | 1 | 0.6 | $1.135 | 1/3 | 89.4s |
| #115 | GLM 5.3 FlashX max | Z.ai | 1 | 0.3 | $0.623 | 0/3 | 224.0s |
| #116 | Claude Fable 5.1 high | Anthropic | 1 | 0.8 | $3.471 | 2/3 | 24.3s |
| #118 | Qwen3.7 Max none | Qwen | 1 | 0.8 | $0.451 | 2/3 | 1.24s |
| #121 | MiMo-V2.6-Flash medium | Xiaomi | 1 | 0.5 | $0.218 | 1/3 | 235.1s |
| #122 | Muse Wonder max | Meta | 1 | 0.3 | $4.766 | 0/3 | 189.6s |
| #125 | GLM 5.3 high | Z.ai | 1 | 0.3 | $0.495 | 0/3 | 112.3s |
| #131 | Muse Wonder high | Meta | 1 | 0.5 | $3.426 | 1/3 | 78.6s |
| #135 | Claude Haiku 5.5 medium | Anthropic | 1 | 0.3 | $0.063 | 0/3 | 7.96s |
| #143 | Space Bunny Alpha high | Stealth | 1 | 0.8 | $0.000 | 2/3 | 85.1s |
| #144 | GLM 5.1 medium | Z.ai | 1 | 0.3 | $1.546 | 0/3 | 114.0s |
| #145 | Seed-2.0-Mini medium | Bytedance Seed | 1 | 0.3 | $0.140 | 0/3 | 103.4s |
| #157 | Gemma 4 26B A4B medium | 1 | 0.5 | $0.101 | 1/3 | 35.1s | |
| #159 | Claude Fable 5.1 medium | Anthropic | 1 | 0.8 | $3.197 | 2/3 | 19.3s |