反AI技巧 x 答案错误排名

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。

显示的模型数

失败总数

293

受影响最多的模型

失败原因

答案错误293 未遵循指令33 额外格式20 API 错误14 无答案4 超时4

分类

领域专项412 反AI技巧293 编程252 谜题求解201 常识问答168 综合68 指令遵循61 通用智能59 数据解析与提取41 工具调用3

140/140

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）
#199	Hy3 preview none	Tencent	1	4.8	$0.003	1/4	11.1s
总测试数 4 错误测试数 3 总成本 $0.003 响应时间（平均） 11.1s
#202	Grok Build 0.1 none	X AI	1	8.7	$0.547	3/4	6.30s
总测试数 4 错误测试数 1 总成本 $0.547 响应时间（平均） 6.30s
#204	Qwen3.5-9B medium	Qwen	1	5.1	$0.036	1/4	34.4s
总测试数 4 错误测试数 3 总成本 $0.036 响应时间（平均） 34.4s
#206	gpt-oss-120b none	OpenAI	1	6.5	$0.010	2/4	32.8s
总测试数 4 错误测试数 2 总成本 $0.010 响应时间（平均） 32.8s
#207	Nemotron 3 Nano Omni 30b A3b Reasoning medium	NVIDIA	1	6.4	$0.000	2/4	1.20s
总测试数 4 错误测试数 2 总成本 $0.000 响应时间（平均） 1.20s

筛选模型