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: মোট খরচ ↓.
ব্যর্থতার কারণ
246/246
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) |
|---|---|---|---|---|---|---|---|
| #400 | Grok 4.20 Multi Agent Beta medium | X AI | 1 | 0.7 | $5.599 | 1/3 | 5.19s |
| #90 | GLM 5.2 high | Z.ai | 1 | 0.6 | $4.632 | 1/3 | 33.7s |
| #189 | Step 5 Preview high | Stepfun | 1 | 0.6 | $4.513 | 1/3 | 143.2s |
| #279 | Step 5 Preview medium | Stepfun | 1 | 0.8 | $4.136 | 2/3 | 59.9s |
| #214 | Ember-1 max | Fireworks | 1 | 0.8 | $3.264 | 2/3 | 6.57s |
| #261 | Claude Opus 4.6 medium | Anthropic | 1 | 0.8 | $2.961 | 2/3 | 4.71s |
| #41 | Muse Wonder low | Meta | 1 | 0.6 | $2.637 | 1/3 | 5.08s |
| #156 | Grok 4.7 low | X AI | 1 | 0.8 | $1.933 | 2/3 | 12.4s |
| #59 | Pareto 26.9 default | Unbiased | 1 | 0.8 | $1.864 | 2/3 | 8.40s |
| #326 | Hy4 preview low | Tencent | 2 | 0.5 | $1.844 | 0/3 | 238.0s |
| #20 | GPT-5.6 Sol medium | OpenAI | 1 | 0.8 | $1.700 | 2/3 | 2.98s |
| #201 | Kimi K2.6 medium | Moonshot AI | 1 | 0.6 | $1.594 | 1/3 | 25.1s |
| #147 | GLM 5.1 medium | Z.ai | 1 | 0.8 | $1.546 | 2/3 | 31.6s |
| #42 | Pareto default | Unbiased | 1 | 0.8 | $1.520 | 2/3 | 18.2s |
| #224 | Step 3.7 Flash high | Stepfun | 2 | 0.5 | $1.478 | 1/3 | 10.2s |