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。

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)
#112 GPT-5.4 none OpenAI 1 6.8 1/2 1.99s
#114 DeepSeek V3.2 none DeepSeek 1 3.1 0/2 20.9s
#115 MiMo-V2.5-Pro none Xiaomi 1 5.0 0/2 1.80s
#116 Qwen3.6 Flash none Qwen 1 6.6 1/2 2.34s
#117 Grok 4.20 Beta none X AI 1 5.5 0/1 1.14s
#118 Nemotron 3 Nano Omni 30b A3b Reasoning medium NVIDIA 1 3.3 0/1 38.1s
#119 MiniMax M2.5 medium Minimax 1 3.5 0/2 125.8s
#120 Grok 4.20 none X AI 1 3.4 0/1 1.22s
#122 Elephant Alpha medium Openrouter 1 4.0 0/2 1.30s
#123 Laguna M.1 none Poolside 1 7.5 0/1 2.93s
#126 Kimi K2.5 none Moonshot AI 1 6.8 1/2 36.0s
#127 Laguna Xs.2 none Poolside 1 2.5 0/1 1.96s
#129 gpt-oss-120b none OpenAI 1 4.3 0/1 9.57s
#130 Elephant Alpha none Openrouter 1 4.7 0/2 1.39s
#136 GPT-5.4 Mini none OpenAI 1 6.8 1/2 1.01s

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