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: সঠিক টেস্ট ↑.
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) |
|---|---|---|---|---|---|---|---|
| #55 | Inkling Small high | Thinkingmachines | 2 | 4.8 | $0.398 | 0/3 | 14.4s |
| #95 | GPT-5.4 Nano medium | OpenAI | 2 | 4.1 | $0.142 | 0/3 | 3.79s |
| #157 | LongCat 2.0 low | Meituan | 2 | 3.1 | $0.412 | 0/3 | 8.15s |
| #160 | LongCat 2.0 high | Meituan | 2 | 3.1 | $0.492 | 0/3 | 9.18s |
| #177 | LongCat 2.0 none | Meituan | 2 | 4.0 | $0.044 | 0/3 | 2.74s |
| #190 | Qwen3.7 Flash none | Qwen | 2 | 3.7 | $0.019 | 0/3 | 1.39s |
| #194 | Trinity Large Thinking medium | Arcee AI | 1 | 5.2 | $0.756 | 0/3 | 2.90s |
| #195 | Qwen3.6 Flash none | Qwen | 2 | 3.5 | $0.062 | 0/3 | 1.21s |
| #205 | Qwen3.5-Flash none | Qwen | 3 | 3.1 | $0.073 | 0/3 | 10.9s |
| #206 | Qwen3.5-35B-A3B none | Qwen | 2 | 3.7 | $0.076 | 0/3 | 1.35s |
| #216 | North Mini Code medium | Cohere | 3 | 3.3 | $0.000 | 0/3 | 19.7s |
| #217 | Nemotron 3 Super medium | NVIDIA | 2 | 3.0 | $0.050 | 0/3 | 3.15s |
| #222 | Kimi K2.6 none | Moonshot AI | 2 | 3.1 | $0.233 | 0/3 | 1.40s |
| #223 | Qwen3.5-122B-A10B none | Qwen | 2 | 3.8 | $0.283 | 0/3 | 1.00s |
| #225 | KAT-Coder-Air V2.5 high | Kwaipilot | 3 | 3.5 | $0.077 | 0/3 | 2.47s |