AI BENCHY
Advertise here

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: 正解テスト ↓.

表示モデル数

15

総失敗数

1204

最も影響を受けたモデル

Gemini 3 Flash 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)
#15 GPT-5.3-Codex medium OpenAI 4 8.4 15/21 16.2s
#17 GLM 5 medium Z.ai 3 8.3 15/21 33.5s
#18 Qwen3.7 Plus medium Qwen 5 8.2 15/21 38.9s
#20 Gemini 3.5 Flash none Google 3 8.1 15/21 9.93s
#19 Seed-2.0-Lite medium Bytedance Seed 5 8.2 14/21 47.1s
#21 GPT-5.4 medium OpenAI 5 8.0 14/21 22.3s
#22 Step 3.7 Flash medium Stepfun 5 8.0 14/21 20.4s
#23 GLM 5 Turbo medium Z.ai 4 8.0 14/21 23.0s
#24 GPT-5.2 Chat none OpenAI 6 7.9 14/21 7.13s
#25 Qwen3.5 Plus 2026-02-15 medium Qwen 4 7.9 14/21 73.8s
#26 Qwen3.6 Plus medium Qwen 5 7.9 14/21 30.7s
#27 Gemma 4 31B medium Google 2 7.8 14/21 56.5s
#28 Gemini 2.5 Flash medium Google 6 7.8 14/21 15.5s
#29 Qwen3.5-122B-A10B medium Qwen 5 7.8 14/21 42.5s
#32 Gemini 3.5 Flash minimal Google 5 7.7 14/21 1.57s

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