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) |
|---|---|---|---|---|---|---|---|
| #166 | Qwen3.5 Plus 2026-02-15 medium | Qwen | 1 | 0.5 | $0.567 | 1/3 | 56.0s |
| #179 | MiMo-V2.5 medium | Xiaomi | 1 | 0.4 | $0.130 | 0/3 | 137.7s |
| #194 | Claude Sonnet 5.5 low | Anthropic | 1 | 0.3 | $0.909 | 0/3 | 8.09s |
| #201 | Space Bunny Alpha max | Stealth | 1 | 0.8 | $0.000 | 2/3 | 140.0s |
| #203 | Grok 4.7 xhigh | X AI | 1 | 0.3 | $3.398 | 0/3 | 190.6s |
| #207 | Grok 4.7 high | X AI | 1 | 0.5 | $3.037 | 1/3 | 306.7s |
| #208 | MiniMax M3 medium | Minimax | 1 | 0.3 | $0.422 | 0/3 | 235.0s |
| #215 | GLM 5.2 none | Z.ai | 1 | 0.8 | $0.250 | 2/3 | 6.35s |
| #217 | LongCat 2.0 low | Meituan | 1 | 0.3 | $0.630 | 0/3 | 183.6s |
| #222 | Claude Sonnet 5.5 medium | Anthropic | 1 | 0.3 | $1.100 | 0/3 | 8.78s |
| #233 | Gemini 3 Flash Preview none | 1 | 0.8 | $0.155 | 2/3 | 879ms | |
| #236 | Claude Sonnet 4.6 medium | Anthropic | 1 | 0.3 | $2.126 | 0/3 | 58.4s |
| #240 | Gemini 3.5 Flash minimal | 1 | 0.8 | $0.508 | 2/3 | 879ms | |
| #245 | Qwen3.5-35B-A3B medium | Qwen | 1 | 0.3 | $0.716 | 0/3 | 76.4s |
| #246 | Qwen3.6 27B none | Qwen | 1 | 0.8 | $0.148 | 2/3 | 2.79s |