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) |
|---|---|---|---|---|---|---|---|
| #253 | KAT-Coder-Air V2.5 medium | Kwaipilot | 1 | 3.0 | $0.048 | 0/1 | 15.7s |
| #254 | Nemotron 3.5 Lightning high | NVIDIA | 1 | 3.0 | $0.133 | 0/1 | 78.0s |
| #256 | Qwen3.6 27B none | Qwen | 1 | 3.0 | $0.062 | 0/1 | 4.03s |
| #257 | Hy3 preview low | Tencent | 1 | 3.0 | $0.042 | 0/1 | 41.7s |
| #258 | Qwen3.8 27B none | Qwen | 1 | 3.0 | ~$0.006 | 0/1 | 703ms |
| #259 | Mimo V2 Omni none | Xiaomi | 1 | 3.0 | $0.021 | 0/1 | 1.30s |
| #260 | MiMo-V2.6-Flash none | Xiaomi | 1 | 3.0 | $0.037 | 0/1 | 55.1s |
| #261 | DeepSeek V4 Flash 0423 none | DeepSeek | 1 | 3.0 | $0.025 | 0/1 | 3.07s |
| #262 | DeepSeek V4.1 Flash none | DeepSeek | 1 | 3.0 | $0.185 | 0/1 | 1.32s |
| #263 | Laguna S 2.1 medium | Poolside | 1 | 3.0 | $0.053 | 0/1 | 7.11s |
| #264 | KAT-Coder-Air V2.5 low | Kwaipilot | 1 | 3.0 | $0.046 | 0/1 | 20.0s |
| #265 | GPT-5.6 Luna none | OpenAI | 1 | 3.0 | $0.029 | 0/1 | 651ms |
| #266 | MiMo-V2.5-Pro none | Xiaomi | 1 | 3.0 | $0.068 | 0/1 | 1.89s |
| #267 | Kimi K2.5 none | Moonshot AI | 1 | 3.0 | $0.101 | 0/1 | 3.90s |
| #268 | DeepSeek V4 Flash 0731 none | DeepSeek | 1 | 3.0 | $0.021 | 0/1 | 1.85s |