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) |
|---|---|---|---|---|---|---|---|
| #240 | KAT-Coder-Air V2.5 low | Kwaipilot | 2 | 3.1 | $0.046 | 0/3 | 1.57s |
| #244 | DeepSeek V4 Flash 0731 none | DeepSeek | 2 | 3.2 | $0.011 | 0/3 | 2.74s |
| #245 | Laguna S 2.1 high | Poolside | 2 | 2.9 | $0.114 | 0/3 | 1.62s |
| #249 | Ling-2.6-1T none | Inclusionai | 2 | 3.1 | $0.016 | 0/3 | 5.36s |
| #256 | Mistral Small 4 none | Mistral | 2 | 3.1 | $0.022 | 0/3 | 399ms |
| #257 | Mistral Small 4 medium | Mistral | 2 | 3.4 | $0.097 | 0/3 | 2.17s |
| #258 | Granite 4.2 8B low | IBM Granite | 2 | 3.0 | $0.012 | 0/3 | 90.8s |
| #261 | Qwen3.5-9B none | Qwen | 2 | 3.2 | $0.021 | 0/3 | 621ms |
| #266 | Laguna S 2.1 low | Poolside | 2 | 3.1 | $0.082 | 0/3 | 2.70s |
| #268 | GPT-4o-mini none | OpenAI | 2 | 3.5 | $0.010 | 0/3 | 1.21s |
| #271 | Ling-2.6-flash none | Inclusionai | 2 | 2.9 | $0.002 | 0/3 | 6.51s |
| #281 | Trinity Large Preview none | Arcee AI | 2 | 3.6 | $0.008 | 0/3 | 1.97s |
| #285 | Cobuddy medium | Baidu | 2 | 3.6 | $0.000 | 0/3 | 12.8s |
| #288 | Qwen3 Coder Next medium | Qwen | 2 | 3.0 | $0.034 | 0/3 | 1.25s |
| #292 | Laguna M.1 none | Poolside | 2 | 3.0 | $0.009 | 0/3 | 891ms |