AI BENCHY
AD
Track all your projects in one dashboard. Get 📊stats, 🔥heatmaps and 👀recordings in one self-hosted dashboard.
uxwizz.com

AI BENCHY 失敗分析

不正解 の失敗

どのAIモデルで 不正解 が起きやすいかを確認し、選ぶ前に信頼性のリスクを見極められます。 並び替え: 失敗数 ↑.

表示モデル数

15

総失敗数

572

最も影響を受けたモデル

Gemini 3.1 Pro Preview 1
順位 モデル 企業 不正解 件数 スコア 正解テスト 応答時間(平均)
#43 Qwen3.5-35B-A3B medium Qwen 2 7.4 10/18 44.5s
#5 Gemini 3 Flash Preview low Google 3 8.8 15/18 6.01s
#6 Seed-2.0-Lite medium Bytedance Seed 3 8.6 13/18 30.4s
#7 GPT-5.3-Codex medium OpenAI 3 8.6 13/18 15.4s
#9 Qwen3.6 Plus Preview medium Qwen 3 8.5 13/17 13.9s
#11 Gemini 3.1 Flash Lite Preview high Google 3 8.4 12/16 68.8s
#12 Gemini 3 PRO Preview medium Google 3 8.4 14/18 9.06s
#16 GPT-5.4 medium OpenAI 3 8.2 13/18 18.6s
#18 GLM 5 Turbo medium Z.ai 3 8.1 12/18 17.7s
#19 Qwen3.5-122B-A10B medium Qwen 3 8.1 13/18 31.4s
#20 Qwen3.6 Plus medium Qwen 3 8.1 13/18 15.3s
#23 MiMo-V2-Pro medium Xiaomi 3 8.1 12/18 12.3s
#25 Grok 4.20 Beta medium X AI 3 8.0 12/18 9.81s
#27 DeepSeek V3.2 medium DeepSeek 3 8.0 12/18 46.4s
#30 Step 3.5 Flash medium Stepfun 3 7.9 11/17 26.8s

不正解 件数 上位モデル

不正解 件数 対 スコア

応答時間(平均) 上位モデル