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
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) |
|---|---|---|---|---|---|---|---|
| #202 | MiMo-V2-Flash medium | Xiaomi | 1 | 3.0 | $0.043 | 0/1 | 1.96s |
| #204 | MiMo-V2.6-Pro none | Xiaomi | 1 | 3.0 | $0.122 | 0/1 | 106.9s |
| #205 | Seed-2.0-Lite none | Bytedance Seed | 1 | 3.0 | $0.066 | 0/1 | 1.96s |
| #206 | Gemma 4 31B medium | 1 | 3.0 | $0.100 | 0/1 | 90.1s | |
| #207 | GPT-5.6 Luna low | OpenAI | 1 | 3.0 | $0.051 | 0/1 | 4.86s |
| #209 | Gemini 3.1 Flash Lite minimal | 1 | 3.0 | $0.047 | 0/1 | 724ms | |
| #210 | Qwen3.5-35B-A3B medium | Qwen | 1 | 3.0 | $1.148 | 0/1 | 177.4s |
| #211 | gpt-oss-120b medium | OpenAI | 1 | 3.0 | $0.070 | 0/1 | 26.5s |
| #212 | Qwen3.7 Flash none | Qwen | 1 | 3.0 | $0.019 | 0/1 | 766ms |
| #213 | Gemini 3.1 Flash Lite none | 1 | 3.0 | $0.046 | 0/1 | 733ms | |
| #214 | Qwen3.5-Flash medium | Qwen | 1 | 3.0 | $0.142 | 0/1 | 49.0s |
| #215 | Inkling low | Thinkingmachines | 1 | 3.0 | $0.187 | 0/1 | 3.12s |
| #216 | Trinity Large Thinking medium | Arcee AI | 1 | 3.0 | $0.756 | 0/1 | 97.4s |
| #217 | Qwen3.6 Flash none | Qwen | 1 | 3.0 | $0.062 | 0/1 | 649ms |
| #218 | Gemma 4 31B none | 1 | 3.0 | $0.016 | 0/1 | 1.25s |