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) |
|---|---|---|---|---|---|---|---|
| #440 | Tev1 4B Experimental default | Togethercomputer | 4 | 1.0 | $0.002 | 3/7 | 498ms |
| #424 | Decider V1.2 default | Perplexity | 5 | 0.3 | $0.001 | 5/12 | 517ms |
| #303 | GLM 5 none | Z.ai | 13 | 0.6 | $0.140 | 9/22 | 8.74s |
| #222 | Claude Sonnet 5.5 medium | Anthropic | 1 | 0.7 | $1.100 | 9/23 | 8.03s |
| #228 | GLM 5.1 none | Z.ai | 12 | 0.6 | $0.451 | 9/23 | 11.1s |
| #231 | Laguna XS 2.1 medium | Poolside | 10 | 0.6 | $0.083 | 9/23 | 49.0s |
| #259 | Space Bunny Alpha xhigh | Stealth | 9 | 0.6 | $0.000 | 9/23 | 60.0s |
| #277 | MiMo-V2.6-Pro none | Xiaomi | 10 | 0.6 | $0.193 | 9/23 | 9.66s |
| #281 | gpt-oss-120b medium | OpenAI | 10 | 0.6 | $0.030 | 9/23 | 31.6s |
| #282 | Gemini 3.1 Flash Lite none | 12 | 0.6 | $0.069 | 9/23 | 3.58s | |
| #298 | Gemma 4 31B none | 11 | 0.6 | $0.031 | 9/23 | 7.28s | |
| #311 | Gemma 4 26B A4B none | 10 | 0.5 | $0.031 | 9/23 | 10.5s | |
| #315 | Qwen3.8 27B none | Qwen | 12 | 0.5 | ~$0.010 | 9/23 | 5.05s |
| #328 | Inkling Small low | Thinkingmachines | 9 | 0.5 | $0.055 | 9/23 | 1.99s |
| #375 | Ring 2.6 1t default | Inclusionai | 5 | 0.4 | $0.026 | 9/23 | 48.9s |