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) |
|---|---|---|---|---|---|---|---|
| #148 | Seed-2.0-Mini medium | Bytedance Seed | 1 | 0.8 | $0.140 | 2/3 | 31.8s |
| #151 | GPT-5.6 Luna medium | OpenAI | 1 | 0.8 | $0.065 | 2/3 | 4.04s |
| #156 | Grok 4.7 low | X AI | 1 | 0.8 | $1.933 | 2/3 | 12.4s |
| #164 | Gemini 2.5 Flash medium | 1 | 0.8 | $0.680 | 2/3 | 3.18s | |
| #167 | Gemini 3.5 Flash Lite medium | 1 | 0.8 | $0.440 | 2/3 | 1.82s | |
| #168 | Qwen3.5-27B none | Qwen | 1 | 0.7 | $0.116 | 1/3 | 1.38s |
| #173 | Qwen3.7 Flash high | Qwen | 1 | 0.7 | $0.063 | 1/3 | 10.8s |
| #177 | Qwen3.6 27B medium | Qwen | 1 | 0.8 | $1.021 | 2/3 | 61.1s |
| #179 | Qwen3.8 Flash Next xhigh | Qwen | 1 | 0.8 | ~$0.195 | 2/3 | 19.5s |
| #181 | Minimax M3.1 Flash low | Minimax | 1 | 0.8 | $0.000 | 2/3 | 2.12s |
| #182 | MiMo-V2.6-Flash low | Xiaomi | 1 | 0.8 | $0.200 | 2/3 | 24.2s |
| #184 | GPT-5.2 Chat default | OpenAI | 1 | 0.8 | $0.594 | 2/3 | 4.10s |
| #186 | Gemini 3.1 Flash Lite Preview medium | 1 | 0.8 | $0.158 | 2/3 | 5.30s | |
| #187 | Kimi K2.7 Code medium | Moonshot AI | 1 | 0.6 | $1.136 | 1/3 | 41.0s |
| #189 | Step 5 Preview high | Stepfun | 1 | 0.6 | $4.513 | 1/3 | 143.2s |