AI BENCHY
Advertise here

AI BENCHY 分类失败

编程:答案错误

编程
答案错误

看看哪些 AI 模型在 编程 上最容易遇到 答案错误,更快找出薄弱点。 排序方式: 失败次数 ↑.

显示的模型数

15

失败总数

120

受影响最多的模型

Gemini 3 Flash Preview 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)
#1 Gemini 3 Flash Preview medium Google 1 7.9 1/2 96.0s
#3 Gemini 3.5 Flash low Google 1 6.8 1/2 5.54s
#4 Gemini 3.1 Pro Preview medium Google 1 7.0 1/2 54.3s
#9 Gemini 3.5 Flash none Google 1 8.2 1/2 39.6s
#11 GPT-5.5 medium OpenAI 1 8.2 1/2 69.7s
#12 Gemini 3 Flash Preview low Google 1 7.3 1/2 6.66s
#14 Qwen3.6 Max Preview medium Qwen 1 8.2 1/2 178.0s
#20 Qwen3.5 Plus 2026-02-15 medium Qwen 1 7.6 1/2 193.8s
#21 Seed-2.0-Lite medium Bytedance Seed 1 7.0 1/2 107.7s
#25 Qwen3.5-27B medium Qwen 1 7.0 1/2 123.9s
#26 Qwen3.7 Max none Qwen 1 6.8 1/2 1.39s
#27 GPT-5.4 medium OpenAI 1 8.2 1/2 55.0s
#33 Qwen3.6 Plus medium Qwen 1 4.1 0/2 201.7s
#34 Gemini 3.1 Flash Lite Preview medium Google 1 6.8 1/2 3.98s
#35 Gemini 3.1 Flash Lite medium Google 1 6.8 1/2 3.59s

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