पहेली समाधान: गलत उत्तर
पहेली समाधान
गलत उत्तर
देखें कि पहेली समाधान में किन AI मॉडलों में गलत उत्तर आने की सबसे अधिक संभावना है, ताकि आप कमजोरियाँ जल्दी पहचान सकें। क्रमबद्ध करें: सही परीक्षण ↑.
विफलता के कारण
246/246
मॉडल फ़िल्टर करें
मौजूदा खोज और फ़िल्टर से कोई मॉडल मेल नहीं खाता।
| रैंक | मॉडल | कंपनी | गलत उत्तर संख्या | श्रेणी स्कोर | कुल लागत | सही परीक्षण | प्रतिक्रिया समय (औसत) |
|---|---|---|---|---|---|---|---|
| #112 | GPT-5.4 Nano medium | OpenAI | 2 | 0.4 | $0.235 | 0/3 | 3.79s |
| #157 | Inkling Small high | Thinkingmachines | 2 | 0.5 | $0.398 | 0/3 | 14.4s |
| #165 | LongCat 2.0 high | Meituan | 2 | 0.3 | $0.778 | 0/3 | 9.18s |
| #210 | Qwen3.5-Flash none | Qwen | 3 | 0.3 | $0.089 | 0/3 | 10.9s |
| #222 | LongCat 2.0 low | Meituan | 2 | 0.3 | $0.630 | 0/3 | 8.15s |
| #238 | Qwen3.5-122B-A10B none | Qwen | 2 | 0.4 | $0.308 | 0/3 | 1.00s |
| #251 | LongCat 2.0 none | Meituan | 2 | 0.4 | $0.104 | 0/3 | 2.74s |
| #265 | DeepSeek V4 Flash 0423 none | DeepSeek | 1 | 0.3 | $0.149 | 0/3 | 23.7s |
| #270 | DeepSeek V4 Flash 0731 none | DeepSeek | 2 | 0.3 | $0.053 | 0/3 | 2.74s |
| #275 | Trinity Large Thinking medium | Arcee AI | 1 | 0.5 | $0.862 | 0/3 | 2.90s |
| #280 | Granite 4.2 8B medium | IBM Granite | 1 | 0.3 | $0.029 | 0/3 | 76.0s |
| #291 | Qwen3.6 Flash none | Qwen | 2 | 0.4 | $0.139 | 0/3 | 1.21s |
| #294 | Qwen3.7 Flash none | Qwen | 2 | 0.4 | $0.028 | 0/3 | 1.39s |
| #301 | Trinity Large Thinking high | Arcee AI | 1 | 0.5 | $0.794 | 0/3 | 3.84s |
| #313 | Qwen3.5-35B-A3B none | Qwen | 2 | 0.4 | $0.120 | 0/3 | 1.35s |