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) |
|---|---|---|---|---|---|---|---|
| #116 | Mercury 2.5 Preview medium | Inception | 1 | 3.0 | $0.024 | 0/1 | 4.13s |
| #117 | GPT-5.4 Mini medium | OpenAI | 1 | 3.0 | $0.786 | 0/1 | 30.1s |
| #118 | Grok Build 0.1 medium | X AI | 1 | 3.0 | $1.130 | 0/1 | 53.5s |
| #120 | Gemini 3.1 Flash Lite Preview medium | 1 | 3.0 | $0.117 | 0/1 | 2.68s | |
| #121 | Qwen3.7 Max none | Qwen | 1 | 3.0 | $0.197 | 0/1 | 856ms |
| #122 | Kimi K2.7 Code medium | Moonshot AI | 1 | 3.0 | $0.655 | 0/1 | 341.8s |
| #123 | GPT-5.6 Luna medium | OpenAI | 1 | 3.0 | $0.072 | 0/1 | 6.64s |
| #124 | LongCat 2.0 medium | Meituan | 1 | 3.0 | $0.499 | 0/1 | 191.2s |
| #125 | Qwen3.8 2.4T A95B high | Qwen | 1 | 3.0 | $2.357 | 0/1 | 348.0s |
| #127 | Grok 4.6 low | X AI | 1 | 3.0 | $0.449 | 0/1 | 26.1s |
| #129 | Claude Sonnet 4.6 none | Anthropic | 1 | 3.0 | $0.661 | 0/1 | 4.67s |
| #130 | GLM 5.3 high | Z.ai | 1 | 3.0 | $0.262 | 0/1 | 22.0s |
| #131 | KAT-Coder-Pro V2.5 low | Kwaipilot | 1 | 3.0 | $0.400 | 0/1 | 17.1s |
| #133 | Gemini 3.1 Flash Lite medium | 1 | 3.0 | $0.120 | 0/1 | 3.08s | |
| #134 | Qwen3.7 Plus none | Qwen | 1 | 3.0 | $0.106 | 0/1 | 1.21s |