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
140/140
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) |
|---|---|---|---|---|---|---|---|
| #44 | Claude Sonnet 4.6 medium | Anthropic | 1 | 6.5 | $2.057 | 2/4 | 2.98s |
| #48 | GPT-5.6 Luna high | OpenAI | 1 | 8.3 | $1.017 | 3/4 | 2.99s |
| #49 | DeepSeek V4 Flash high | DeepSeek | 1 | 8.3 | $0.041 | 3/4 | 28.5s |
| #54 | GPT-5.6 Luna medium | OpenAI | 1 | 8.3 | $0.352 | 3/4 | 2.52s |
| #57 | GPT-5.4 Nano medium | OpenAI | 1 | 8.3 | $0.138 | 3/4 | 4.52s |
| #58 | GPT-5.3 Chat none | OpenAI | 1 | 6.7 | $0.571 | 2/4 | 3.86s |
| #59 | GPT-5.6 Terra low | OpenAI | 1 | 8.3 | $0.519 | 3/4 | 2.36s |
| #60 | GPT-5.4 Mini medium | OpenAI | 1 | 8.6 | $0.756 | 3/4 | 4.05s |
| #61 | Qwen3.5 Plus 2026-02-15 medium | Qwen | 1 | 8.2 | $0.437 | 3/4 | 45.8s |
| #67 | Claude Sonnet 4.6 none | Anthropic | 1 | 4.8 | $0.661 | 1/4 | 2.94s |
| #71 | Step 3.7 Flash low | Stepfun | 1 | 8.7 | $0.454 | 3/4 | 4.02s |
| #72 | Kimi K2.6 medium | Moonshot AI | 1 | 7.0 | $1.036 | 2/4 | 11.6s |
| #79 | Grok 4.20 medium | X AI | 1 | 8.2 | $0.777 | 3/4 | 3.95s |
| #81 | Kimi K2.5 medium | Moonshot AI | 1 | 7.3 | $0.600 | 2/4 | 51.4s |
| #82 | Mercury 2 medium | Inception | 1 | 6.9 | $0.093 | 2/4 | 1.12s |