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) |
|---|---|---|---|---|---|---|---|
| #341 | Mercury 2.5 Preview low | Inception | 3 | 0.4 | $0.015 | 0/3 | 836ms |
| #343 | Dots 3 Note Preview default | Dots Studio | 3 | 0.3 | $0.000 | 0/3 | 1.10s |
| #344 | GPT-4o-mini default | OpenAI | 3 | 0.3 | $0.024 | 0/3 | 743ms |
| #349 | Laguna S 2.1 high | Poolside | 3 | 0.3 | $0.145 | 0/3 | 2.51s |
| #351 | Ling 2.6 1t default | Inclusionai | 3 | 0.3 | $0.016 | 0/3 | 1.08s |
| #352 | MiMo-V2.5 none | Xiaomi | 3 | 0.3 | $0.049 | 0/3 | 1.24s |
| #353 | Qwen3.5-9B none | Qwen | 3 | 0.3 | $0.041 | 0/3 | 636ms |
| #358 | Mercury 2.5 Preview default | Inception | 3 | 0.4 | $0.023 | 0/3 | 631ms |
| #359 | Nemotron 3.5 Lightning medium | NVIDIA | 3 | 0.3 | $0.195 | 0/3 | 74.7s |
| #360 | North Mini Code default | Cohere | 3 | 0.3 | $0.000 | 0/3 | 14.7s |
| #361 | Laguna S 2.1 none | Poolside | 3 | 0.3 | $0.044 | 0/3 | 337ms |
| #363 | Qwen3 Coder Next medium | Qwen | 3 | 0.4 | $0.071 | 0/3 | 570ms |
| #364 | DeepSeek V3.2 none | DeepSeek | 3 | 0.3 | $0.119 | 0/3 | 1.48s |
| #365 | GPT-5.4 Nano none | OpenAI | 3 | 0.3 | $0.068 | 0/3 | 880ms |
| #366 | Gemini 3.1 Flash Lite high | 3 | 0.4 | $2.044 | 0/3 | 139.9s |