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) |
|---|---|---|---|---|---|---|---|
| #170 | MiMo-V2.5-Pro medium | Xiaomi | 1 | 3.0 | $0.221 | 0/1 | 12.5s |
| #171 | Mercury 2.5 medium | Inception | 1 | 3.0 | $0.022 | 0/1 | 4.30s |
| #172 | Gemini 3 Flash Preview none | 1 | 3.0 | $0.085 | 0/1 | 1.07s | |
| #173 | Gemma 4 26B A4B medium | 1 | 3.0 | $0.084 | 0/1 | 180.9s | |
| #174 | GLM 5.2 none | Z.ai | 1 | 3.0 | $0.103 | 0/1 | 3.41s |
| #175 | KAT-Coder-Pro V2.5 none | Kwaipilot | 1 | 3.0 | $0.487 | 0/1 | 9.91s |
| #176 | LongCat 2.0 low | Meituan | 1 | 3.0 | $0.412 | 0/1 | 122.1s |
| #177 | Gemini 3.5 Flash minimal | 1 | 3.0 | $0.300 | 0/1 | 1.76s | |
| #178 | GLM 5V Turbo medium | Z.ai | 1 | 3.0 | $0.457 | 0/1 | 41.0s |
| #180 | Claude Opus 4.7 none | Anthropic | 1 | 3.0 | $0.505 | 0/1 | 1.46s |
| #181 | Gemini 3.5 Flash Lite low | 1 | 4.7 | $0.138 | 0/1 | 1.65s | |
| #182 | Qwen3.5-27B none | Qwen | 1 | 3.0 | $0.058 | 0/1 | 599ms |
| #183 | Gemini 3.1 Flash Lite Preview low | 1 | 3.0 | $0.646 | 0/1 | 1.35s | |
| #184 | Inkling Small medium | Thinkingmachines | 1 | 3.0 | $0.113 | 0/1 | 14.2s |
| #185 | Gemini 3.1 Flash Lite low | 1 | 3.0 | $0.621 | 0/1 | 1.46s |