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) |
|---|---|---|---|---|---|---|---|
| #294 | MiMo-V2.6-Pro none | Xiaomi | 1 | 0.3 | $0.193 | 0/1 | 106.9s |
| #295 | Inkling Small medium | Thinkingmachines | 1 | 0.3 | $0.113 | 0/1 | 14.2s |
| #296 | Seed-2.0-Lite none | Bytedance Seed | 1 | 0.3 | $0.114 | 0/1 | 1.96s |
| #297 | Gemini 3.1 Flash Lite minimal | 1 | 0.3 | $0.080 | 0/1 | 724ms | |
| #298 | gpt-oss-120b medium | OpenAI | 1 | 0.3 | $0.030 | 0/1 | 26.5s |
| #299 | Gemini 3.1 Flash Lite none | 1 | 0.3 | $0.069 | 0/1 | 733ms | |
| #300 | Qwen3.6 Flash none | Qwen | 1 | 0.3 | $0.139 | 0/1 | 649ms |
| #302 | Nemotron 3 Ultra none | NVIDIA | 1 | 0.3 | $0.164 | 0/1 | 1.83s |
| #303 | Qwen3.7 Flash none | Qwen | 1 | 0.3 | $0.028 | 0/1 | 766ms |
| #304 | Qwen3.8 Flash Next none | Qwen | 1 | 0.3 | ~$0.011 | 0/1 | 540ms |
| #305 | DeepSeek V4.1 Flash 1017 none | DeepSeek | 1 | 0.3 | $0.055 | 0/1 | 655ms |
| #306 | GPT-5.6 Terra none | OpenAI | 1 | 0.3 | $0.377 | 0/1 | 787ms |
| #307 | DeepSeek V4.1 Flash none | DeepSeek | 1 | 0.3 | $0.391 | 0/1 | 1.32s |
| #308 | Ling 3.0 Flash high | Inclusionai | 1 | 0.3 | $0.021 | 0/1 | 24.3s |
| #309 | Ring 2.6 1t medium | Inclusionai | 1 | 0.3 | $0.102 | 0/1 | 113.9s |