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) |
|---|---|---|---|---|---|---|---|
| #186 | Qwen3.5-122B-A10B medium | Qwen | 3 | 0.3 | $1.152 | 0/3 | 74.4s |
| #187 | Grok 4.6 low | X AI | 3 | 0.3 | $0.781 | 0/3 | 18.2s |
| #189 | Muse Glimmer 30B low | Meta | 3 | 0.3 | $0.219 | 0/3 | 11.5s |
| #190 | Gemini 3.1 Flash Lite medium | 3 | 0.3 | $0.153 | 0/3 | 3.93s | |
| #193 | GPT-5.6 Luna low | OpenAI | 3 | 0.3 | $0.049 | 0/3 | 11.2s |
| #202 | Solar Pro 4 xhigh | Upstage | 3 | 0.3 | $0.067 | 0/3 | 287.7s |
| #206 | Solar Pro 4 low | Upstage | 3 | 0.3 | $0.101 | 0/3 | 279.0s |
| #212 | Apodex 1.1 Mini high | Apodex | 3 | 0.3 | $0.000 | 0/3 | 54.7s |
| #213 | GLM 5.3 Flash low | Z.ai | 3 | 0.4 | $0.038 | 0/3 | 7.93s |
| #216 | Qwen3.7 Flash medium | Qwen | 3 | 0.3 | $0.076 | 0/3 | 38.0s |
| #218 | Mercury 2 medium | Inception | 3 | 0.3 | $0.121 | 0/3 | 8.06s |
| #219 | Step 3.7 Flash high | Stepfun | 3 | 0.4 | $1.478 | 0/3 | 189.3s |
| #220 | Beam 1.0 501B A23B medium | Reflection | 3 | 0.3 | $0.499 | 0/3 | 11.7s |
| #221 | KAT-Coder-Pro V2.5 low | Kwaipilot | 3 | 0.3 | $0.568 | 0/3 | 22.9s |
| #223 | Qwen3.6 35B A3B medium | Qwen | 3 | 0.3 | $0.834 | 0/3 | 25.4s |