সাধারণ জ্ঞান: ভুল উত্তর
সাধারণ জ্ঞান
ভুল উত্তর
দেখুন সাধারণ জ্ঞান এ কোন AI মডেলগুলোর ভুল উত্তর হওয়ার সম্ভাবনা সবচেয়ে বেশি, যাতে দুর্বল দিক দ্রুত ধরা যায়। সাজান: প্রতিক্রিয়া সময় (গড়) ↑.
ব্যর্থতার কারণ
263/263
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) |
|---|---|---|---|---|---|---|---|
| #269 | Laguna XS 2.1 none | Poolside | 1 | 3.0 | $0.008 | 0/1 | 254ms |
| #243 | Qwen3.5-122B-A10B none | Qwen | 1 | 3.0 | $0.247 | 0/1 | 295ms |
| #326 | Granite 4.1 8B none | IBM Granite | 1 | 3.0 | $0.007 | 0/1 | 306ms |
| #329 | Mercury 2.5 none | Inception | 1 | 3.0 | $0.016 | 0/1 | 384ms |
| #278 | Mistral Small 4 none | Mistral | 1 | 3.0 | $0.022 | 0/1 | 397ms |
| #311 | Qwen3 Coder Next medium | Qwen | 1 | 3.0 | $0.034 | 0/1 | 399ms |
| #273 | Qwen3.6 35B A3B none | Qwen | 1 | 3.0 | $0.061 | 0/1 | 414ms |
| #293 | Mercury 2.5 Preview none | Inception | 1 | 3.0 | $0.018 | 0/1 | 419ms |
| #268 | Inkling Small none | Thinkingmachines | 1 | 3.0 | $0.054 | 0/1 | 481ms |
| #226 | Qwen3.5-35B-A3B none | Qwen | 1 | 3.0 | $0.151 | 0/1 | 493ms |
| #309 | Mercury 2 none | Inception | 1 | 3.0 | $0.030 | 0/1 | 548ms |
| #327 | Nemotron 3.5 Lightning none | NVIDIA | 1 | 3.0 | $0.006 | 0/1 | 575ms |
| #225 | Qwen3.5-Flash none | Qwen | 1 | 3.0 | $0.073 | 0/1 | 588ms |
| #288 | Mercury 2.5 Preview low | Inception | 1 | 3.0 | $0.011 | 0/1 | 591ms |
| #180 | Qwen3.5-27B none | Qwen | 1 | 3.0 | $0.058 | 0/1 | 599ms |