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: 测试正确 ↑.

显示的模型数

15

失败总数

120

受影响最多的模型

Qwen3.6 Plus 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)
#33 Qwen3.6 Plus medium Qwen 1 4.1 0/2 201.7s
#38 Qwen3.5-122B-A10B medium Qwen 1 4.1 0/2 119.6s
#45 Grok Build 0.1 medium X AI 1 5.3 0/2 67.4s
#56 Qwen3.5-Flash medium Qwen 1 4.1 0/2 54.2s
#59 Qwen3.6 Flash medium Qwen 2 5.1 0/2 51.9s
#66 Qwen3.6 Max Preview none Qwen 2 4.2 0/2 3.06s
#67 MiMo-V2-Flash medium Xiaomi 1 4.1 0/2 7.20s
#71 DeepSeek V3.2 medium DeepSeek 1 3.9 0/2 185.0s
#72 MiMo-V2-Omni medium Xiaomi 1 3.4 0/2 183.9s
#77 Grok 4.20 medium X AI 2 4.1 0/2 65.1s
#84 Laguna Xs.2 medium Poolside 1 6.3 0/1 14.4s
#88 Qwen3.5 Plus 2026-02-15 none Qwen 2 4.9 0/2 2.54s
#89 GLM 5 none Z.ai 2 4.6 0/2 5.18s
#91 Gemma 4 26B A4B none Google 1 4.1 0/2 3.83s
#93 MiMo-V2-Omni none Xiaomi 1 5.1 0/2 2.75s

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