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।
ব্যর্থতার কারণ
197/197
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) |
|---|---|---|---|---|---|---|---|
| #182 | Hy3 preview low | Tencent | 1 | 3.0 | $0.015 | 0/1 | 41.7s |
| #183 | MiMo-V2.5-Pro none | Xiaomi | 1 | 3.0 | $0.068 | 0/1 | 1.89s |
| #184 | Kimi K2.5 none | Moonshot AI | 1 | 3.0 | $0.127 | 0/1 | 3.90s |
| #185 | Gemma 4 26B A4B none | 1 | 3.0 | $0.015 | 0/1 | 778ms | |
| #186 | Mimo V2 Omni none | Xiaomi | 1 | 3.0 | $0.021 | 0/1 | 1.30s |
| #187 | Laguna S 2.1 medium | Poolside | 1 | 3.0 | $0.053 | 0/1 | 7.11s |
| #188 | KAT-Coder-Air V2.5 low | Kwaipilot | 1 | 3.0 | $0.041 | 0/1 | 20.0s |
| #189 | GPT-5.6 Luna none | OpenAI | 1 | 3.0 | $0.015 | 0/1 | 651ms |
| #190 | DeepSeek V4 Flash 0731 none | DeepSeek | 1 | 3.0 | $0.014 | 0/1 | 1.85s |
| #191 | Laguna S 2.1 high | Poolside | 1 | 3.0 | $0.114 | 0/1 | 6.94s |
| #192 | Inkling Small none | Thinkingmachines | 1 | 3.0 | $0.058 | 0/1 | 481ms |
| #193 | Laguna XS 2.1 none | Poolside | 1 | 3.0 | $0.008 | 0/1 | 254ms |
| #194 | Qwen3.6 35B A3B none | Qwen | 1 | 3.0 | $0.061 | 0/1 | 414ms |
| #197 | Inkling none | Thinkingmachines | 1 | 3.0 | $0.147 | 0/1 | 670ms |
| #198 | Mistral Small 4 none | Mistral | 1 | 3.0 | $0.022 | 0/1 | 397ms |