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) |
|---|---|---|---|---|---|---|---|
| #42 | Qwen3.8 Max (0902) high | Qwen | 1 | 0.3 | $3.306 | 0/1 | 532.6s |
| #91 | Qwen3.8 2.4T A95B low | Qwen | 1 | 0.3 | $4.016 | 0/1 | 422.5s |
| #276 | Space Bunny Alpha xhigh | Stealth | 1 | 0.3 | $0.000 | 0/1 | 367.8s |
| #131 | Qwen3.8 2.4T A95B high | Qwen | 1 | 0.3 | $2.949 | 0/1 | 348.0s |
| #196 | Kimi K2.7 Code medium | Moonshot AI | 1 | 0.3 | $1.136 | 0/1 | 341.8s |
| #317 | Space Bunny Alpha low | Stealth | 1 | 0.3 | $0.000 | 0/1 | 340.9s |
| #188 | Qwen3.8 Flash Next xhigh | Qwen | 1 | 0.3 | ~$0.195 | 0/1 | 325.0s |
| #74 | Qwen3.8 27B high | Qwen | 1 | 0.3 | ~$0.298 | 0/1 | 264.0s |
| #380 | Granite 4.2 8B high | IBM Granite | 1 | 0.3 | $0.111 | 0/1 | 252.5s |
| #162 | DeepSeek V4 Flash 0731 low | DeepSeek | 1 | 0.3 | $0.306 | 0/1 | 246.9s |
| #155 | Space Bunny Alpha high | Stealth | 1 | 0.3 | $0.000 | 0/1 | 234.6s |
| #373 | Mimo V2 Omni medium | Xiaomi | 1 | 0.3 | $0.683 | 0/1 | 234.2s |
| #386 | Laguna S 2.1 low | Poolside | 1 | 0.3 | $0.108 | 0/1 | 202.5s |
| #379 | Laguna S 2.1 none | Poolside | 1 | 0.3 | $0.044 | 0/1 | 200.5s |
| #271 | Space Bunny Alpha medium | Stealth | 1 | 0.3 | $0.000 | 0/1 | 197.3s |