নির্দেশনা অনুসরণ: ভুল উত্তর
নির্দেশনা অনুসরণ
ভুল উত্তর
দেখুন নির্দেশনা অনুসরণ এ কোন AI মডেলগুলোর ভুল উত্তর হওয়ার সম্ভাবনা সবচেয়ে বেশি, যাতে দুর্বল দিক দ্রুত ধরা যায়।
ব্যর্থতার কারণ
111/111
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) |
|---|---|---|---|---|---|---|---|
| #349 | Laguna S 2.1 high | Poolside | 1 | 0.5 | $0.145 | 0/2 | 453ms |
| #351 | Ling 2.6 1t default | Inclusionai | 1 | 0.6 | $0.016 | 1/2 | 5.36s |
| #352 | MiMo-V2.5 none | Xiaomi | 1 | 0.7 | $0.049 | 1/2 | 751ms |
| #353 | Qwen3.5-9B none | Qwen | 1 | 0.7 | $0.041 | 1/2 | 514ms |
| #354 | Hy4 preview none | Tencent | 1 | 0.7 | $0.165 | 1/2 | 47.9s |
| #357 | GLM 4.7 Flash none | Z.ai | 1 | 0.7 | $0.027 | 1/2 | 888ms |
| #358 | Mercury 2.5 Preview default | Inception | 1 | 0.6 | $0.023 | 1/2 | 1.26s |
| #360 | North Mini Code default | Cohere | 1 | 0.7 | $0.000 | 1/2 | 30.7s |
| #361 | Laguna S 2.1 none | Poolside | 1 | 0.4 | $0.044 | 0/2 | 566ms |
| #363 | Qwen3 Coder Next medium | Qwen | 1 | 0.6 | $0.071 | 1/2 | 7.49s |
| #365 | GPT-5.4 Nano none | OpenAI | 1 | 0.6 | $0.068 | 1/2 | 784ms |
| #367 | GLM 5V Turbo none | Z.ai | 1 | 0.7 | $0.052 | 1/2 | 1.97s |
| #368 | Laguna S 2.1 low | Poolside | 1 | 0.4 | $0.108 | 0/2 | 423ms |
| #370 | Owl Alpha medium | Openrouter | 1 | 0.7 | $0.000 | 1/2 | 10.2s |
| #371 | Mimo V2 PRO default | Xiaomi | 1 | 0.7 | $0.045 | 1/2 | 2.51s |