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
145/145
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) |
|---|---|---|---|---|---|---|---|
| #77 | Grok 4.3 medium | X AI | 1 | 5.9 | $0.779 | 1/3 | 22.5s |
| #78 | GLM 5.1 medium | Z.ai | 1 | 8.2 | $0.535 | 2/3 | 31.6s |
| #79 | Grok 4.20 medium | X AI | 1 | 7.7 | $0.777 | 2/3 | 6.22s |
| #80 | DeepSeek V3.2 medium | DeepSeek | 1 | 7.0 | $0.078 | 1/3 | 37.7s |
| #81 | Kimi K2.5 medium | Moonshot AI | 1 | 5.3 | $0.600 | 1/3 | 43.2s |
| #82 | Mercury 2 medium | Inception | 1 | 5.4 | $0.093 | 1/3 | 949ms |
| #84 | Seed-2.0-Mini medium | Bytedance Seed | 1 | 8.2 | $0.101 | 2/3 | 31.8s |
| #87 | GPT-5.6 Sol none | OpenAI | 1 | 7.7 | $0.524 | 2/3 | 1.49s |
| #88 | MiMo-V2.5-Pro medium | Xiaomi | 1 | 6.7 | $0.187 | 1/3 | 5.31s |
| #91 | GPT-5.5 none | OpenAI | 1 | 7.7 | $0.544 | 2/3 | 1.29s |
| #93 | Gemini 3 Flash Preview none | 1 | 7.7 | $0.085 | 2/3 | 1.05s | |
| #94 | Qwen3.6 35B A3B medium | Qwen | 1 | 8.0 | $0.746 | 2/3 | 5.95s |
| #95 | Gemini 3.5 Flash-Lite low | 1 | 7.8 | $0.145 | 2/3 | 1.22s | |
| #97 | KAT-Coder-Pro V2.5 none | Kwaipilot | 1 | 8.2 | $0.476 | 2/3 | 3.03s |
| #98 | GLM 5V Turbo medium | Z.ai | 1 | 7.7 | $0.457 | 2/3 | 10.2s |