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

AI BENCHY 分类失败

反AI技巧:答案错误

反AI技巧
答案错误

看看哪些 AI 模型在 反AI技巧 上最容易遇到 答案错误,更快找出薄弱点。 排序方式: 测试正确 ↓.

显示的模型数

15

失败总数

165

受影响最多的模型

Claude Opus 4.7 1
排名 模型 公司 答案错误 次数 分类得分 测试正确 响应时间(平均)
#3 Claude Opus 4.7 medium Anthropic 1 8.3 3/4 1.85s
#4 Claude Opus 4.7 none Anthropic 1 8.3 3/4 2.12s
#6 Seed-2.0-Lite medium Bytedance Seed 1 8.3 3/4 18.0s
#7 GPT-5.3-Codex medium OpenAI 1 8.7 3/4 4.16s
#8 Qwen3.5 Plus 2026-02-15 medium Qwen 1 8.2 3/4 45.8s
#15 Gemini 2.5 Flash medium Google 1 8.4 3/4 6.30s
#16 GPT-5.4 medium OpenAI 1 8.3 3/4 4.11s
#21 Gemini 3 Flash Preview none Google 1 8.3 3/4 1.25s
#22 Gemini 3.1 Flash Lite Preview low Google 1 8.3 3/4 2.12s
#25 Grok 4.20 Beta medium X AI 1 8.7 3/4 3.16s
#27 DeepSeek V3.2 medium DeepSeek 1 8.4 3/4 30.7s
#28 GPT-5.2 Chat none OpenAI 1 8.7 3/4 3.40s
#38 GPT-5.4 Nano medium OpenAI 1 8.3 3/4 4.52s
#44 GPT-5.4 Mini medium OpenAI 1 8.6 3/4 4.05s
#47 Grok 4.20 medium X AI 1 8.2 3/4 3.36s

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