ধাঁধা সমাধান: ভুল উত্তর
ধাঁধা সমাধান
ভুল উত্তর
দেখুন ধাঁধা সমাধান এ কোন AI মডেলগুলোর ভুল উত্তর হওয়ার সম্ভাবনা সবচেয়ে বেশি, যাতে দুর্বল দিক দ্রুত ধরা যায়। সাজান: প্রতিক্রিয়া সময় (গড়) ↑.
ব্যর্থতার কারণ
186/186
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) |
|---|---|---|---|---|---|---|---|
| #256 | Mistral Small 4 none | Mistral | 2 | 3.1 | $0.022 | 0/3 | 399ms |
| #298 | Grok 4.20 none | X AI | 2 | 5.3 | $0.057 | 1/3 | 473ms |
| #314 | Nemotron 3 Nano Omni 30b A3b Reasoning none | NVIDIA | 1 | 3.0 | $0.000 | 0/3 | 532ms |
| #286 | Mercury 2 none | Inception | 3 | 3.1 | $0.030 | 0/3 | 535ms |
| #291 | Grok 4.20 Beta none | X AI | 1 | 7.7 | $0.087 | 2/3 | 586ms |
| #200 | Gemini 2.5 Flash none | 1 | 7.7 | $0.017 | 2/3 | 604ms | |
| #303 | Granite 4.1 8B none | IBM Granite | 2 | 3.2 | $0.007 | 0/3 | 608ms |
| #261 | Qwen3.5-9B none | Qwen | 2 | 3.2 | $0.021 | 0/3 | 621ms |
| #311 | Laguna Xs.2 none | Poolside | 1 | 5.3 | $0.004 | 1/3 | 650ms |
| #246 | Inkling Small none | Thinkingmachines | 3 | 3.2 | $0.054 | 0/3 | 665ms |
| #270 | Mercury 2.5 Preview none | Inception | 1 | 5.6 | $0.018 | 1/3 | 684ms |
| #265 | Mercury 2.5 Preview low | Inception | 1 | 8.2 | $0.011 | 2/3 | 710ms |
| #191 | Gemini 3.1 Flash Lite none | 1 | 6.3 | $0.046 | 1/3 | 720ms | |
| #228 | Gemma 4 26B A4B none | 1 | 6.2 | $0.015 | 1/3 | 744ms | |
| #304 | Nemotron 3.5 Lightning none | NVIDIA | 3 | 3.1 | $0.007 | 0/3 | 750ms |