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
197/197
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) |
|---|---|---|---|---|---|---|---|
| #82 | Gemini 3.1 Flash Lite Preview medium | 1 | 3.0 | $0.115 | 0/1 | 2.68s | |
| #84 | Gemini 3.1 Flash Lite medium | 1 | 3.0 | $0.117 | 0/1 | 3.08s | |
| #85 | Qwen3.7 Flash low | Qwen | 1 | 3.0 | $0.042 | 0/1 | 18.4s |
| #88 | Kimi K2.6 medium | Moonshot AI | 1 | 3.0 | $0.758 | 0/1 | 130.3s |
| #89 | KAT-Coder-Pro V2.5 high | Kwaipilot | 1 | 3.0 | $0.482 | 0/1 | 5.22s |
| #90 | Qwen3.5 Plus 2026-04-20 medium | Qwen | 1 | 3.0 | $0.317 | 0/1 | 92.6s |
| #91 | Qwen3.7 Plus none | Qwen | 1 | 3.0 | $0.106 | 0/1 | 1.21s |
| #92 | Qwen3.5-122B-A10B medium | Qwen | 1 | 3.0 | $1.046 | 0/1 | 52.9s |
| #93 | Grok 4.3 medium | X AI | 1 | 3.0 | $0.779 | 0/1 | 44.5s |
| #94 | GLM 5.1 medium | Z.ai | 1 | 3.0 | $0.527 | 0/1 | 29.4s |
| #95 | Grok 4.20 medium | X AI | 1 | 3.0 | $0.777 | 0/1 | 63.5s |
| #96 | DeepSeek V3.2 medium | DeepSeek | 1 | 3.0 | $0.078 | 0/1 | 84.0s |
| #97 | Kimi K2.5 medium | Moonshot AI | 1 | 3.0 | $0.600 | 0/1 | 83.9s |
| #98 | Mercury 2 medium | Inception | 1 | 3.0 | $0.093 | 0/1 | 2.58s |
| #99 | Gemini 3.5 Flash none | 1 | 2.8 | $1.079 | 0/1 | 4.87s |