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。

表示モデル数

15

総失敗数

1204

最も影響を受けたモデル

Mercury 2 16
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)
#106 Grok 4.20 Beta none X AI 10 5.8 6/18 1.19s
#111 Owl Alpha medium Openrouter 10 5.7 8/21 11.9s
#113 DeepSeek V4 Pro none DeepSeek 10 5.7 7/21 12.4s
#121 Owl Alpha none Openrouter 10 5.5 7/21 9.88s
#127 Grok 4.20 none X AI 10 5.4 6/18 1.11s
#145 Laguna M.1 none Poolside 10 4.8 4/19 2.89s
#61 Gemini 3.1 Flash Lite low Google 9 7.2 12/21 1.89s
#94 GPT-5 Nano medium OpenAI 9 6.3 9/21 42.5s
#99 gpt-oss-120b medium OpenAI 9 6.1 9/21 22.3s
#116 Hunter Alpha none OpenRouter 9 5.7 6/18 4.70s
#119 Cobuddy medium Baidu 9 5.6 7/21 39.9s
#136 Elephant Alpha medium Openrouter 9 5.1 6/21 1.27s
#137 Elephant Alpha none Openrouter 9 5.1 5/21 1.22s
#138 Ling-2.6-flash none Inclusionai 9 5.0 6/21 9.34s
#158 GLM 4.7 Flash medium Z.ai 9 4.4 4/21 35.1s

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