AI BENCHY ব্যর্থতা
ভুল উত্তর ব্যর্থতা
দেখুন কোন AI মডেলগুলো সবচেয়ে বেশি ভুল উত্তর সমস্যায় পড়ে, যাতে বেছে নেওয়ার আগে নির্ভরযোগ্যতার ঝুঁকি বুঝতে পারেন।
| র্যাঙ্ক | মডেল | কোম্পানি | ভুল উত্তর সংখ্যা | স্কোর | সঠিক টেস্ট | প্রতিক্রিয়া সময় (গড়) |
|---|---|---|---|---|---|---|
| #6 | Gemini 3.5 Flash medium | 2 | 9.0 | 17/20 | 4.29s | |
| #7 | Claude Opus 4.7 medium | Anthropic | 2 | 8.9 | 17/20 | 4.48s |
| #14 | Gemini 3.1 Flash Lite Preview high | 2 | 8.6 | 13/16 | 68.1s | |
| #25 | Gemma 4 31B medium | 2 | 8.0 | 14/20 | 35.4s | |
| #68 | Qwen3.5-35B-A3B medium | Qwen | 2 | 7.3 | 11/20 | 69.7s |
| #1 | Gemini 3 Flash Preview medium | 1 | 9.8 | 19/20 | 16.5s | |
| #2 | Gemini 3.5 Flash high | 1 | 9.6 | 19/20 | 8.30s | |
| #37 | Step 3.5 Flash none | Stepfun | 1 | 7.8 | 9/12 | 39.0s |