AI BENCHY
排行榜
比较
图表
决策
展示
AI World Cup
Ctrl K
语言:
🇸🇦 Arabic
🇧🇩 Bangla
🇩🇪 German
🇺🇸 English
🇪🇸 Spanish
🇫🇷 French
🇮🇳 Hindi
🇮🇩 Indonesian
🇯🇵 Japanese
🇮🇳 Marathi
🇳🇱 Dutch
🇵🇹 Portuguese
🇷🇴 Romanian
🇷🇺 Russian
🇰🇪 Swahili
🇵🇰 Urdu
🇨🇳 Chinese
主题
❤️ Made by XCS
导航
排行榜
比较
图表
决策
展示
AI World Cup
语言
🇸🇦 Arabic
🇧🇩 Bangla
🇩🇪 German
🇺🇸 English
🇪🇸 Spanish
🇫🇷 French
🇮🇳 Hindi
🇮🇩 Indonesian
🇯🇵 Japanese
🇮🇳 Marathi
🇳🇱 Dutch
🇵🇹 Portuguese
🇷🇴 Romanian
🇷🇺 Russian
🇰🇪 Swahili
🇵🇰 Urdu
🇨🇳 Chinese
主题
❤️ Made by XCS
搜索 AI BENCHY
搜索 AI BENCHY
Advertise here
AD
Track all your projects in one dashboard.
UXWizz - self-hosted web analytics!
Get 📊
stats
, 🔥
heatmaps
and 👀
recordings
in one self-hosted dashboard.
Improve your websites without sharing any of your data. Get 📊
stats
, 🔥
heatmaps
and 🎥
session recordings
in your own, self-hosted dashboard!
uxwizz.com
排行榜
→
智能体任务
→
答案错误
智能体任务:答案错误
智能体任务
综合
反AI技巧
通用智能
指令遵循
编程
数据解析与提取
谜题求解
领域专项
工具调用
常识问答
智能体任务
智能体任务
:
答案错误
无效工具调用
API 错误
超时
未遵循指令
答案错误
答案错误
看看哪些 AI 模型在 智能体任务 上最容易遇到 答案错误,更快找出薄弱点。
显示的模型数
1
失败总数
136
受影响最多的模型
Grok 4.6
1
失败原因
答案错误
136
无效工具调用
51
API 错误
36
超时
11
未遵循指令
10
分类
领域专项
978
反AI技巧
554
编程
508
谜题求解
379
常识问答
350
综合
139
智能体任务
136
通用智能
135
指令遵循
127
数据解析与提取
103
筛选
0
136/136
筛选模型
重置筛选
总成本
×
$0.000-$4.200
$0.000
$4.200
分数范围
×
1-10
1
10
响应时间(平均) (ms)
×
<
测试正确
×
0-1
0
1
总参数规模
(?)
请输入以十亿参数为单位的模型规模。例如,7B 模型请输入 7。
×
–
开放状态
开源
权重可用
闭源
架构
稠密
MoE
其他
没有模型匹配当前搜索和筛选条件。
排名
模型
公司
答案错误 次数
↓
分类得分
↕
总成本
↕
测试正确
↕
响应时间(平均)
↕
#474
Command A+
low
Cohere
1
0.3
$0.073
0/1
128.5s
总测试数
1
错误测试数
1
总成本
$0.073
响应时间(平均)
128.5s
←
1
...
9
10
→
按 答案错误 次数 排名的顶级模型
答案错误 次数 对比 分数
按 响应时间(平均) 排名的顶级模型
按 预估浪费成本 排名的顶级模型