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
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) |
|---|---|---|---|---|---|---|---|
| #261 | Qwen3.5-35B-A3B medium | Qwen | 1 | 0.3 | $0.716 | 0/1 | 177.4s |
| #262 | Qwen3.6 27B none | Qwen | 1 | 0.3 | $0.148 | 0/1 | 4.03s |
| #263 | Gemini 3.5 Flash Lite low | 1 | 0.5 | $0.183 | 0/1 | 1.65s | |
| #264 | Gemini 3.1 Flash Lite Preview low | 1 | 0.3 | $0.736 | 0/1 | 1.35s | |
| #265 | Minimax M3.1 Flash medium | Minimax | 1 | 0.3 | $0.000 | 0/1 | 32.5s |
| #266 | Gemini 3.1 Flash Lite low | 1 | 0.3 | $0.717 | 0/1 | 1.46s | |
| #267 | Solar Pro 4 high | Upstage | 1 | 0.3 | $0.077 | 0/1 | 81.1s |
| #268 | Qwen3.5 Plus 2026-02-15 none | Qwen | 1 | 0.3 | $0.176 | 0/1 | 1.11s |
| #270 | Claude Opus 4.6 medium | Anthropic | 1 | 0.3 | $2.961 | 0/1 | 63.2s |
| #271 | Space Bunny Alpha medium | Stealth | 1 | 0.3 | $0.000 | 0/1 | 197.3s |
| #272 | DeepSeek V3.2 medium | DeepSeek | 1 | 0.3 | $0.152 | 0/1 | 84.0s |
| #273 | Trinity Large Thinking low | Arcee AI | 1 | 0.3 | $0.918 | 0/1 | 2.10s |
| #274 | DeepSeek V4 Flash 0423 none | DeepSeek | 1 | 0.3 | $0.149 | 0/1 | 3.07s |
| #275 | Grok 4.20 medium | X AI | 1 | 0.3 | $1.246 | 0/1 | 63.5s |
| #276 | Space Bunny Alpha xhigh | Stealth | 1 | 0.3 | $0.000 | 0/1 | 367.8s |