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
323/323
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) |
|---|---|---|---|---|---|---|---|
| #344 | Laguna XS 2.1 none | Poolside | 1 | 0.3 | $0.020 | 0/1 | 254ms |
| #247 | Qwen3.5-122B-A10B none | Qwen | 1 | 0.3 | $0.308 | 0/1 | 295ms |
| #414 | Granite 4.1 8b default | IBM Granite | 1 | 0.3 | $0.007 | 0/1 | 306ms |
| #406 | Mercury 2.5 none | Inception | 1 | 0.3 | $0.026 | 0/1 | 384ms |
| #353 | Mistral Small 4 none | Mistral | 1 | 0.3 | $0.047 | 0/1 | 397ms |
| #381 | Qwen3 Coder Next medium | Qwen | 1 | 0.3 | $0.071 | 0/1 | 399ms |
| #345 | Qwen3.6 35B A3B none | Qwen | 1 | 0.3 | $0.105 | 0/1 | 414ms |
| #376 | Mercury 2.5 Preview default | Inception | 1 | 0.3 | $0.023 | 0/1 | 419ms |
| #365 | Inkling Small none | Thinkingmachines | 1 | 0.3 | $0.054 | 0/1 | 481ms |
| #322 | Qwen3.5-35B-A3B none | Qwen | 1 | 0.3 | $0.120 | 0/1 | 493ms |
| #304 | Qwen3.8 Flash Next none | Qwen | 1 | 0.3 | ~$0.011 | 0/1 | 540ms |
| #400 | Mercury 2 none | Inception | 1 | 0.3 | $0.033 | 0/1 | 548ms |
| #415 | Nemotron 3.5 Lightning none | NVIDIA | 1 | 0.3 | $0.009 | 0/1 | 575ms |
| #219 | Qwen3.5-Flash none | Qwen | 1 | 0.3 | $0.089 | 0/1 | 588ms |
| #359 | Mercury 2.5 Preview low | Inception | 1 | 0.3 | $0.015 | 0/1 | 591ms |