কোডিং: ভুল উত্তর
কোডিং
ভুল উত্তর
দেখুন কোডিং এ কোন AI মডেলগুলোর ভুল উত্তর হওয়ার সম্ভাবনা সবচেয়ে বেশি, যাতে দুর্বল দিক দ্রুত ধরা যায়। সাজান: প্রতিক্রিয়া সময় (গড়) ↑.
ব্যর্থতার কারণ
197/197
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) |
|---|---|---|---|---|---|---|---|
| #264 | Laguna S 2.1 none | Poolside | 3 | 3.4 | $0.022 | 0/3 | 550ms |
| #227 | Laguna XS 2.1 none | Poolside | 3 | 4.3 | $0.008 | 0/3 | 623ms |
| #182 | Gemini 2.5 Flash none | 2 | 5.5 | $0.017 | 1/3 | 736ms | |
| #226 | Inkling Small none | Thinkingmachines | 3 | 3.6 | $0.054 | 0/3 | 759ms |
| #276 | Granite 4.1 8B none | IBM Granite | 1 | 4.5 | $0.007 | 0/3 | 775ms |
| #169 | Gemini 3.1 Flash Lite minimal | 2 | 5.5 | $0.047 | 1/3 | 831ms | |
| #187 | Qwen3.5-Flash none | Qwen | 2 | 5.5 | $0.073 | 1/3 | 850ms |
| #235 | Mistral Small 4 none | Mistral | 3 | 3.7 | $0.022 | 0/3 | 901ms |
| #193 | GPT-5.4 Mini none | OpenAI | 2 | 5.5 | $0.095 | 1/3 | 913ms |
| #145 | Gemini 3.5 Flash Lite low | 3 | 4.3 | $0.138 | 0/3 | 917ms | |
| #262 | Qwen3 Coder Next medium | Qwen | 2 | 3.7 | $0.034 | 0/3 | 924ms |
| #173 | Gemini 3.1 Flash Lite none | 2 | 5.5 | $0.046 | 1/3 | 938ms | |
| #155 | Gemini 3.1 Flash Lite Preview none | 2 | 5.5 | $0.052 | 1/3 | 967ms | |
| #221 | GPT-5.6 Luna none | OpenAI | 3 | 3.8 | $0.029 | 0/3 | 980ms |
| #184 | GPT-5.6 Terra none | OpenAI | 2 | 5.5 | $0.280 | 1/3 | 1.00s |