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。

显示的模型数

15

失败总数

245

受影响最多的模型

Gemini 2.5 Flash 4
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)
#78 Qwen3.6 27B medium Qwen 1 8.3 3/4 12.6s
#81 Mercury 2 medium Inception 1 6.9 2/4 1.12s
#84 Grok 4.20 Multi Agent Beta medium X AI 1 6.9 2/4 3.46s
#86 Grok 4.1 Fast medium X AI 1 8.7 3/4 3.81s
#87 Gemini 3.1 Flash Lite minimal Google 1 8.3 3/4 1.10s
#92 Laguna M.1 medium Poolside 1 6.5 2/4 4.87s
#99 gpt-oss-120b medium OpenAI 1 6.7 2/4 10.2s
#100 Grok Build 0.1 none X AI 1 8.7 3/4 6.30s
#102 Gemma 4 26B A4B none Google 1 8.3 3/4 1.28s
#103 DeepSeek V4 Pro high DeepSeek 1 6.4 2/4 16.5s
#107 Laguna Xs.2 medium Poolside 1 6.9 2/4 2.68s
#119 Cobuddy medium Baidu 1 8.7 3/4 10.00s
#126 gpt-oss-120b none OpenAI 1 6.5 2/4 32.8s
#130 MiniMax M2.7 medium Minimax 1 7.9 2/4 40.3s
#133 DeepSeek V3.2 none DeepSeek 1 3.2 0/4 9.35s

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