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
202/202
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) |
|---|---|---|---|---|---|---|---|
| #144 | Kimi K2.6 none | Moonshot AI | 2 | 5.3 | $0.184 | 1/3 | 1.48s |
| #145 | GPT-5.4 none | OpenAI | 2 | 5.3 | $0.397 | 1/3 | 1.07s |
| #146 | Nemotron 3 Super medium | NVIDIA | 2 | 2.9 | $0.055 | 0/3 | 16.2s |
| #148 | Qwen3.5-122B-A10B none | Qwen | 2 | 5.3 | $0.247 | 1/3 | 465ms |
| #151 | GLM 5V Turbo none | Z.ai | 2 | 5.3 | $0.052 | 1/3 | 2.09s |
| #152 | Owl Alpha medium | Openrouter | 2 | 5.3 | $0.000 | 1/3 | 8.58s |
| #153 | Mimo V2 PRO none | Xiaomi | 2 | 5.3 | $0.045 | 1/3 | 1.78s |
| #154 | Owl Alpha none | Openrouter | 2 | 5.3 | $0.000 | 1/3 | 3.00s |
| #156 | DeepSeek V4 Flash none | DeepSeek | 2 | 5.3 | $0.042 | 1/3 | 19.7s |
| #159 | Hy3 preview low | Tencent | 2 | 5.9 | $0.015 | 1/3 | 40.4s |
| #160 | MiMo-V2.5-Pro none | Xiaomi | 2 | 5.3 | $0.068 | 1/3 | 877ms |
| #161 | Kimi K2.5 none | Moonshot AI | 2 | 5.3 | $0.127 | 1/3 | 4.38s |
| #163 | Mimo V2 Omni none | Xiaomi | 2 | 5.3 | $0.021 | 1/3 | 2.10s |
| #166 | Laguna XS 2.1 none | Poolside | 2 | 5.3 | $0.008 | 1/3 | 364ms |
| #169 | Gemini 3.1 Flash Lite Preview high | 2 | 5.3 | $2.310 | 1/3 | 127.6s |