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) |
|---|---|---|---|---|---|---|---|
| #368 | Laguna S 2.1 low | Poolside | 3 | 0.3 | $0.108 | 0/3 | 2.46s |
| #369 | Nemotron 3.5 Lightning low | NVIDIA | 3 | 0.4 | $0.175 | 0/3 | 52.7s |
| #373 | Ling 2.6 Flash default | Inclusionai | 3 | 0.3 | $0.002 | 0/3 | 5.20s |
| #377 | Nemotron 3 Super none | NVIDIA | 3 | 0.3 | $0.016 | 0/3 | 6.78s |
| #378 | KAT Coder AIR V2.5 default | Kwaipilot | 3 | 0.3 | $0.070 | 0/3 | 8.33s |
| #380 | Granite 4.2 8B none | IBM Granite | 3 | 0.3 | $0.037 | 0/3 | 53.6s |
| #381 | Cobuddy medium | Baidu | 3 | 0.3 | $0.000 | 0/3 | 128.2s |
| #386 | gpt-oss-120b none | OpenAI | 3 | 0.3 | $0.016 | 0/3 | 35.0s |
| #396 | Granite 4.1 8b default | IBM Granite | 3 | 0.3 | $0.007 | 0/3 | 287ms |
| #397 | Nemotron 3.5 Lightning none | NVIDIA | 3 | 0.3 | $0.009 | 0/3 | 683ms |
| #402 | Grok 4.20 Beta default | X AI | 3 | 0.3 | $0.087 | 0/3 | 611ms |
| #403 | Laguna M.1 default | Poolside | 3 | 0.4 | $0.009 | 0/3 | 5.50s |
| #404 | Elephant Alpha default | Openrouter | 3 | 0.3 | $0.000 | 0/3 | 927ms |
| #405 | Elephant Alpha medium | Openrouter | 3 | 0.3 | $0.000 | 0/3 | 925ms |
| #412 | Xing4.0 29b A4b none | Xingchen AGI | 3 | 0.3 | $0.000 | 0/3 | 5.73s |