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
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) |
|---|---|---|---|---|---|---|---|
| #13 | GPT-5.6 Sol low | OpenAI | 1 | 0.8 | $1.244 | 2/3 | 3.44s |
| #20 | GPT-5.6 Sol medium | OpenAI | 1 | 0.8 | $1.700 | 2/3 | 2.98s |
| #42 | Pareto default | Unbiased | 1 | 0.8 | $1.520 | 2/3 | 18.2s |
| #59 | Pareto 26.9 default | Unbiased | 1 | 0.8 | $1.864 | 2/3 | 8.40s |
| #68 | MiMo-V2.6-Pro medium | Xiaomi | 1 | 0.8 | $0.586 | 2/3 | 92.2s |
| #79 | Claude Sonnet 5 medium | Anthropic | 1 | 0.8 | $1.438 | 2/3 | 2.98s |
| #91 | GPT-5.6 Terra high | OpenAI | 1 | 0.8 | $0.698 | 2/3 | 5.45s |
| #102 | GLM 5.2 medium | Z.ai | 1 | 0.8 | $1.007 | 2/3 | 13.1s |
| #103 | GPT-5.6 Terra medium | OpenAI | 1 | 0.8 | $0.483 | 2/3 | 3.78s |
| #109 | DeepSeek V4.1 Flash low | DeepSeek | 1 | 0.8 | $0.494 | 2/3 | 9.39s |
| #110 | GPT-5.6 Luna high | OpenAI | 1 | 0.8 | $0.118 | 2/3 | 14.6s |
| #121 | Gemini 3.5 Flash medium | 1 | 0.8 | $1.316 | 2/3 | 2.38s | |
| #123 | MiMo-V2.6-Flash medium | Xiaomi | 1 | 0.8 | $0.218 | 2/3 | 52.9s |
| #128 | GLM 5.3 high | Z.ai | 1 | 0.8 | $0.495 | 2/3 | 4.74s |
| #131 | Qwen3.7 Plus none | Qwen | 1 | 0.8 | $0.178 | 2/3 | 1.71s |