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) |
|---|---|---|---|---|---|---|---|
| #273 | KAT-Coder-Pro V2.5 default | Kwaipilot | 3 | 0.4 | $0.742 | 0/3 | 24.9s |
| #274 | Apodex 1.1 Mini medium | Apodex | 3 | 0.4 | $0.000 | 0/3 | 63.7s |
| #276 | GLM 5.3 FlashX low | Z.ai | 3 | 0.3 | $0.157 | 0/3 | 3.87s |
| #278 | Inkling Small medium | Thinkingmachines | 3 | 0.3 | $0.113 | 0/3 | 7.65s |
| #279 | Seed-2.0-Lite none | Bytedance Seed | 3 | 0.3 | $0.114 | 0/3 | 1.12s |
| #280 | Gemini 3.1 Flash Lite minimal | 3 | 0.3 | $0.080 | 0/3 | 972ms | |
| #281 | gpt-oss-120b medium | OpenAI | 3 | 0.3 | $0.030 | 0/3 | 27.6s |
| #282 | Gemini 3.1 Flash Lite none | 3 | 0.3 | $0.069 | 0/3 | 701ms | |
| #284 | Claude Sonnet 5 none | Anthropic | 3 | 0.3 | $1.095 | 0/3 | 3.32s |
| #287 | Qwen3.8 Flash Next none | Qwen | 3 | 0.3 | ~$0.011 | 0/3 | 5.38s |
| #291 | Ring 2.6 1t medium | Inclusionai | 3 | 0.4 | $0.102 | 0/3 | 65.3s |
| #292 | Trinity Large Thinking high | Arcee AI | 3 | 0.3 | $0.794 | 0/3 | 66.9s |
| #294 | GPT-5.4 Mini none | OpenAI | 3 | 0.4 | $0.170 | 0/3 | 1.31s |
| #295 | Mistral Large 4 none | Mistral | 3 | 0.3 | $0.290 | 0/3 | 1.61s |
| #297 | Dots 3 Note Preview medium | Dots Studio | 3 | 0.4 | $0.000 | 0/3 | 47.5s |