反AI技巧 x 答案错误排名 | AI BENCHY

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

9

失败总数

502

受影响最多的模型

Qwen3.5-Flash 4

失败原因

答案错误502 未遵循指令52 API 错误44 额外格式34 无答案13 超时8

分类

领域专项878 反AI技巧502 编程477 谜题求解344 常识问答306 通用智能129 智能体任务126 综合126 指令遵循111 数据解析与提取93

249/249

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）
#404	Elephant Alpha default	Openrouter	1	0.7	$0.000	2/4	963ms
总测试数 4 错误测试数 2 总成本 $0.000 响应时间（平均） 963ms
#409	Laguna Xs.2 medium	Poolside	1	0.7	$0.015	2/4	2.68s
总测试数 4 错误测试数 2 总成本 $0.015 响应时间（平均） 2.68s
#410	Hy3 preview none	Tencent	1	0.5	$0.007	1/4	11.1s
总测试数 4 错误测试数 3 总成本 $0.007 响应时间（平均） 11.1s
#413	Grok Build 0.1 none	X AI	1	0.9	$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
#419	Span-02 default	Respan	1	0.6	$0.001	2/3	2.38s
总测试数 3 错误测试数 1 总成本 $0.001 响应时间（平均） 2.38s
#420	Nemotron 3 Nano Omni 30b A3b Reasoning medium	NVIDIA	1	0.6	$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
#424	Decider V1.2 default	Perplexity	1	0.6	$0.001	2/3	491ms
总测试数 3 错误测试数 1 总成本 $0.001 响应时间（平均） 491ms
#437	Solar Decide Flash default	Upstage	1	0.8	$0.003	0/1	1.13s
总测试数 1 错误测试数 1 总成本 $0.003 响应时间（平均） 1.13s
#439	Solar Decide default	Upstage	1	0.8	$0.009	0/1	2.41s
总测试数 1 错误测试数 1 总成本 $0.009 响应时间（平均） 2.41s

←

1 16 17

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