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।
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) |
|---|---|---|---|---|---|---|---|
| #321 | GLM 5V Turbo medium | Z.ai | 1 | 0.8 | $0.457 | 2/3 | 10.2s |
| #324 | Qwen3.8 27B none | Qwen | 1 | 0.6 | ~$0.010 | 1/3 | 1.25s |
| #328 | Step 3.5 Flash medium | Stepfun | 1 | 0.5 | $0.105 | 1/3 | 7.22s |
| #331 | GPT-5.6 Luna none | OpenAI | 1 | 0.5 | $0.042 | 1/3 | 790ms |
| #336 | Qwen3.6 35B A3B none | Qwen | 1 | 0.3 | $0.105 | 0/3 | 1.07s |
| #339 | Nemotron 3.5 Lightning high | NVIDIA | 1 | 0.4 | $0.168 | 0/3 | 6.09s |
| #342 | MiMo-V2-Flash medium | Xiaomi | 1 | 0.8 | $0.043 | 2/3 | 3.87s |
| #347 | MiMo-V2.5-Pro none | Xiaomi | 1 | 0.7 | $0.135 | 1/3 | 1.30s |
| #350 | Mercury 2.5 Preview low | Inception | 1 | 0.8 | $0.015 | 2/3 | 710ms |
| #351 | MiniMax M2.7 medium | Minimax | 1 | 0.6 | $0.326 | 1/3 | 24.9s |
| #361 | MiMo-V2.5 none | Xiaomi | 1 | 0.5 | $0.049 | 1/3 | 2.13s |
| #364 | Mimo V2 Omni medium | Xiaomi | 1 | 0.6 | $0.683 | 1/3 | 2.38s |
| #366 | GLM 4.7 Flash none | Z.ai | 1 | 0.6 | $0.027 | 1/3 | 1.20s |
| #367 | Mercury 2.5 Preview default | Inception | 1 | 0.6 | $0.023 | 1/3 | 684ms |
| #369 | North Mini Code default | Cohere | 1 | 0.4 | $0.000 | 0/3 | 24.4s |