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
198/198
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) |
|---|---|---|---|---|---|---|---|
| #117 | GPT-5.6 Luna low | OpenAI | 3 | 3.6 | $0.249 | 0/3 | 10.0s |
| #120 | Gemini 3.1 Flash Lite minimal | 3 | 2.9 | $0.047 | 0/3 | 1.02s | |
| #121 | gpt-oss-120b medium | OpenAI | 3 | 2.9 | $0.019 | 0/3 | 50.9s |
| #122 | Gemini 3.1 Flash Lite none | 3 | 2.9 | $0.046 | 0/3 | 762ms | |
| #136 | GPT-5.4 Mini none | OpenAI | 3 | 3.5 | $0.095 | 0/3 | 937ms |
| #141 | GLM 5 none | Z.ai | 3 | 3.0 | $0.041 | 0/3 | 2.24s |
| #143 | Gemini 3.1 Flash Lite high | 3 | 3.6 | $2.044 | 0/3 | 139.9s | |
| #149 | KAT-Coder-Air V2.5 medium | Kwaipilot | 3 | 3.0 | $0.048 | 0/3 | 4.87s |
| #151 | GLM 5.1 none | Z.ai | 3 | 2.9 | $0.164 | 0/3 | 1.99s |
| #156 | Gemma 4 26B A4B none | 3 | 3.6 | $0.015 | 0/3 | 2.49s | |
| #159 | GPT-5.6 Luna none | OpenAI | 3 | 2.9 | $0.142 | 0/3 | 737ms |
| #161 | Qwen3.6 35B A3B none | Qwen | 3 | 3.5 | $0.061 | 0/3 | 7.45s |
| #162 | Ling-2.6-1T none | Inclusionai | 3 | 3.0 | $0.016 | 0/3 | 1.04s |
| #168 | MiMo-V2.5 none | Xiaomi | 3 | 3.0 | $0.025 | 0/3 | 756ms |
| #169 | Qwen3.5-9B none | Qwen | 3 | 3.0 | $0.021 | 0/3 | 464ms |