ভুল উত্তর ব্যর্থতা
দেখুন কোন AI মডেলগুলো সবচেয়ে বেশি ভুল উত্তর সমস্যায় পড়ে, যাতে বেছে নেওয়ার আগে নির্ভরযোগ্যতার ঝুঁকি বুঝতে পারেন। সাজান: সঠিক টেস্ট ↓.
434/434
মডেল ফিল্টার করুন
বর্তমান অনুসন্ধান ও ফিল্টারের সাথে কোনো মডেল মেলেনি।
| র্যাঙ্ক | মডেল | কোম্পানি | ভুল উত্তর সংখ্যা | স্কোর | মোট খরচ | সঠিক টেস্ট | প্রতিক্রিয়া সময় (গড়) |
|---|---|---|---|---|---|---|---|
| #224 | Mercury 2.5 Preview high | Inception | 6 | 0.6 | $0.040 | 12/23 | 7.61s |
| #225 | Mercury 2.5 high | Inception | 9 | 0.6 | $0.044 | 12/23 | 7.62s |
| #226 | Beam 1.0 501B A23B xhigh | Reflection | 8 | 0.6 | $0.688 | 12/23 | 9.18s |
| #227 | GLM 5.3 low | Z.ai | 8 | 0.6 | $0.215 | 12/23 | 15.2s |
| #230 | Grok 4.3 medium | X AI | 6 | 0.6 | $0.989 | 12/23 | 44.5s |
| #234 | Beam 1.0 501B A23B max | Reflection | 6 | 0.6 | $0.799 | 12/23 | 11.1s |
| #235 | Solar Pro 4 medium | Upstage | 6 | 0.6 | $0.098 | 12/23 | 133.9s |
| #239 | Mercury 2.5 medium | Inception | 9 | 0.6 | $0.034 | 12/23 | 7.74s |
| #247 | Gemini 3.5 Flash Lite low | 9 | 0.6 | $0.183 | 12/23 | 4.79s | |
| #252 | Ling 3.1 Flash low | Inclusionai | 2 | 0.6 | $0.000 | 12/23 | 85.2s |
| #263 | Gemini 3.1 Flash Lite Preview none | 8 | 0.6 | $0.090 | 12/23 | 3.60s | |
| #290 | Ling 3.0 Flash high | Inclusionai | 7 | 0.6 | $0.021 | 12/23 | 13.1s |
| #325 | Qwen3.6 Max Preview none | Qwen | 11 | 0.5 | $0.228 | 11/22 | 7.82s |
| #419 | Span-02 default | Respan | 6 | 0.3 | $0.001 | 6/12 | 1.36s |
| #423 | Jev 1.13 default | Typesafe | 6 | 0.3 | $0.003 | 6/12 | 698ms |