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) |
|---|---|---|---|---|---|---|---|
| #359 | Mercury 2.5 Preview low | Inception | 1 | 0.3 | $0.015 | 0/1 | 591ms |
| #360 | MiniMax M2.7 medium | Minimax | 1 | 0.3 | $0.326 | 0/1 | 22.8s |
| #361 | Dots 3 Note Preview default | Dots Studio | 1 | 0.3 | $0.000 | 0/1 | 961ms |
| #362 | GPT-4o-mini default | OpenAI | 1 | 0.3 | $0.024 | 0/1 | 794ms |
| #363 | KAT Coder AIR V2.5 low | Kwaipilot | 1 | 0.3 | $0.046 | 0/1 | 20.0s |
| #365 | Inkling Small none | Thinkingmachines | 1 | 0.3 | $0.054 | 0/1 | 481ms |
| #366 | Qwen3 Coder Next default | Qwen | 1 | 0.3 | $0.067 | 0/1 | 601ms |
| #367 | Laguna S 2.1 high | Poolside | 1 | 0.3 | $0.145 | 0/1 | 6.94s |
| #370 | MiMo-V2.5 none | Xiaomi | 1 | 0.3 | $0.049 | 0/1 | 3.89s |
| #371 | Qwen3.5-9B none | Qwen | 1 | 0.3 | $0.041 | 0/1 | 2.32s |
| #372 | Hy4 preview none | Tencent | 1 | 0.3 | $0.165 | 0/1 | 19.9s |
| #373 | Mimo V2 Omni medium | Xiaomi | 1 | 0.3 | $0.683 | 0/1 | 234.2s |
| #374 | Hy3 preview high | Tencent | 1 | 0.3 | $0.135 | 0/1 | 47.7s |
| #375 | GLM 4.7 Flash none | Z.ai | 1 | 0.3 | $0.027 | 0/1 | 692ms |
| #376 | Mercury 2.5 Preview default | Inception | 1 | 0.3 | $0.023 | 0/1 | 419ms |