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) |
|---|---|---|---|---|---|---|---|
| #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 |