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

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。

显示的模型数

15

失败总数

120

受影响最多的模型

Qwen3.6 Flash 2
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)
#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
#36 Gemini 2.5 Flash medium Google 1 6.6 1/2 54.6s
#38 Qwen3.5-122B-A10B medium Qwen 1 4.1 0/2 119.6s
#39 Gemini 3 Flash Preview none Google 1 6.8 1/2 2.19s
#41 Gemini 3.1 Flash Lite Preview low Google 1 6.8 1/2 1.56s
#42 Qwen3.5 Plus 2026-04-20 medium Qwen 1 5.4 1/2 137.5s
#43 GPT-5.2 Chat none OpenAI 1 8.2 1/2 8.05s
#44 MiMo-V2-Pro medium Xiaomi 1 7.5 1/2 94.2s
#45 Grok Build 0.1 medium X AI 1 5.3 0/2 67.4s
#49 Gemini 3.1 Flash Lite Preview none Google 1 6.8 1/2 1.06s

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