অ্যান্টি-এআই কৌশল: ভুল উত্তর
অ্যান্টি-এআই কৌশল
ভুল উত্তর
দেখুন অ্যান্টি-এআই কৌশল এ কোন AI মডেলগুলোর ভুল উত্তর হওয়ার সম্ভাবনা সবচেয়ে বেশি, যাতে দুর্বল দিক দ্রুত ধরা যায়।
ব্যর্থতার কারণ
258/258
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) |
|---|---|---|---|---|---|---|---|
| #416 | Grok 4.20 none | X AI | 3 | 0.5 | $0.057 | 1/4 | 501ms |
| #424 | Grok 4.1 Fast default | X AI | 3 | 0.3 | $0.008 | 0/4 | 1.07s |
| #436 | GPT-6 Luna Decisions default | OpenAI | 3 | 0.2 | $0.005 | 0/3 | 436ms |
| #437 | Kev 4B default | Jaredpalmer | 3 | 0.2 | $0.002 | 0/3 | 3.65s |
| #445 | LFM2-24B-A2B default | Liquid | 3 | 0.3 | $0.001 | 0/3 | 471ms |
| #59 | Pareto 26.9 default | Unbiased | 2 | 0.7 | $1.864 | 2/4 | 6.44s |
| #72 | Muse Spark 1.1 low | Meta | 2 | 0.8 | $0.885 | 2/4 | 4.36s |
| #106 | DeepSeek V4 Pro 0423 high | DeepSeek | 2 | 0.6 | $0.149 | 1/4 | 25.7s |
| #120 | Qwen3.7 Max none | Qwen | 2 | 0.7 | $0.451 | 2/4 | 1.08s |
| #123 | MiMo-V2.6-Flash medium | Xiaomi | 2 | 0.6 | $0.218 | 1/4 | 1.42s |
| #131 | Qwen3.7 Plus none | Qwen | 2 | 0.7 | $0.178 | 2/4 | 1.38s |
| #146 | Space Bunny Alpha high | Stealth | 2 | 0.6 | $0.000 | 2/4 | 3.48s |
| #154 | Seed-2.0-Code medium | Bytedance Seed | 2 | 0.7 | $1.275 | 2/4 | 46.0s |
| #158 | DeepSeek V4 Pro 0423 none | DeepSeek | 2 | 0.3 | $0.083 | 0/4 | 4.02s |
| #180 | GLM 5.3 FlashX medium | Z.ai | 2 | 0.7 | $0.114 | 2/4 | 1.71s |