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।
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) |
|---|---|---|---|---|---|---|---|
| #263 | DeepSeek V3.2 medium | DeepSeek | 1 | 0.7 | $0.152 | 1/3 | 37.7s |
| #264 | Trinity Large Thinking low | Arcee AI | 1 | 0.6 | $0.918 | 1/3 | 3.28s |
| #265 | DeepSeek V4 Flash 0423 none | DeepSeek | 1 | 0.3 | $0.149 | 0/3 | 23.7s |
| #266 | Grok 4.20 medium | X AI | 1 | 0.8 | $1.246 | 2/3 | 6.22s |
| #267 | Space Bunny Alpha xhigh | Stealth | 1 | 0.8 | $0.000 | 2/3 | 5.45s |
| #274 | Beam 1.0 501B A23B high | Reflection | 1 | 0.8 | $0.674 | 2/3 | 4.02s |
| #275 | Trinity Large Thinking medium | Arcee AI | 1 | 0.5 | $0.862 | 0/3 | 2.90s |
| #277 | Inkling none | Thinkingmachines | 1 | 0.6 | $0.292 | 1/3 | 931ms |
| #279 | Step 5 Preview medium | Stepfun | 1 | 0.8 | $4.136 | 2/3 | 59.9s |
| #280 | Granite 4.2 8B medium | IBM Granite | 1 | 0.3 | $0.029 | 0/3 | 76.0s |
| #281 | KAT-Coder-Pro V2.5 default | Kwaipilot | 1 | 0.8 | $0.742 | 2/3 | 3.03s |
| #282 | Apodex 1.1 Mini medium | Apodex | 1 | 0.8 | $0.000 | 2/3 | 15.2s |
| #284 | GLM 5.3 FlashX low | Z.ai | 1 | 0.8 | $0.157 | 2/3 | 1.89s |
| #285 | MiMo-V2.6-Pro none | Xiaomi | 1 | 0.8 | $0.193 | 2/3 | 1.67s |
| #286 | Inkling Small medium | Thinkingmachines | 1 | 0.6 | $0.113 | 1/3 | 5.24s |