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) |
|---|---|---|---|---|---|---|---|
| #403 | Laguna M.1 medium | Poolside | 1 | 0.5 | $0.033 | 1/3 | 10.2s |
| #407 | Xing4.0 29b A4b medium | Xingchen AGI | 1 | 0.3 | $0.000 | 0/3 | 257.1s |
| #411 | Grok 4.20 Beta default | X AI | 1 | 0.8 | $0.087 | 2/3 | 586ms |
| #414 | Elephant Alpha medium | Openrouter | 1 | 0.5 | $0.000 | 1/3 | 868ms |
| #415 | Hunter Alpha default | OpenRouter | 1 | 0.6 | $0.000 | 1/3 | 3.71s |
| #418 | Laguna Xs.2 medium | Poolside | 1 | 0.5 | $0.015 | 1/3 | 1.93s |
| #422 | Grok Build 0.1 none | X AI | 1 | 0.6 | $0.547 | 1/3 | 9.55s |
| #425 | Laguna Xs.2 default | Poolside | 1 | 0.5 | $0.004 | 1/3 | 650ms |
| #428 | Span-02 default | Respan | 1 | 1.0 | $0.001 | 0/1 | 708ms |
| #431 | Nemotron 3 Nano Omni 30b A3b Reasoning default | NVIDIA | 1 | 0.3 | $0.000 | 0/3 | 532ms |
| #434 | Decider V1.1 27B default | Perplexity | 1 | 0.2 | $0.002 | 0/1 | 422ms |
| #435 | Drex v1.5 default | Nace AI | 1 | 1.0 | $0.002 | 0/1 | 850ms |
| #437 | Kev 4B default | Jaredpalmer | 1 | 0.2 | $0.002 | 0/1 | 646ms |
| #439 | Classify-1 default | Scaledown | 1 | 1.0 | $0.008 | 0/1 | 1.37s |
| #440 | Clef Omni default | Cloudflare | 1 | 0.2 | $0.011 | 0/1 | 572ms |