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
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) |
|---|---|---|---|---|---|---|---|
| #302 | Ling 3.0 Tiny none | Inclusionai | 3 | 3.0 | $0.000 | 0/3 | 2.64s |
| #304 | Nemotron 3.5 Lightning none | NVIDIA | 3 | 3.1 | $0.007 | 0/3 | 750ms |
| #308 | Grok 4.1 Fast none | X AI | 3 | 3.0 | $0.008 | 0/3 | 1.10s |
| #55 | Inkling Small high | Thinkingmachines | 2 | 4.8 | $0.398 | 0/3 | 14.4s |
| #73 | Step 3.7 Flash medium | Stepfun | 2 | 5.7 | $0.495 | 1/3 | 6.19s |
| #93 | Nemotron 3 Ultra medium | NVIDIA | 2 | 5.5 | $0.701 | 1/3 | 3.54s |
| #95 | GPT-5.4 Nano medium | OpenAI | 2 | 4.1 | $0.142 | 0/3 | 3.79s |
| #109 | LongCat 2.0 medium | Meituan | 2 | 5.4 | $0.499 | 1/3 | 8.84s |
| #115 | KAT-Coder-Pro V2.5 low | Kwaipilot | 2 | 6.4 | $0.400 | 1/3 | 3.11s |
| #126 | Muse Glimmer 30B medium | Meta | 2 | 6.0 | $0.211 | 1/3 | 64.7s |
| #129 | Step 3.7 Flash low | Stepfun | 2 | 5.5 | $0.390 | 1/3 | 1.84s |
| #140 | KAT-Coder-Pro V2.5 medium | Kwaipilot | 2 | 5.9 | $0.478 | 1/3 | 3.20s |
| #146 | Step 3.7 Flash high | Stepfun | 2 | 5.3 | $1.229 | 1/3 | 10.2s |
| #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 |