AI BENCHY
比较 图表 方法论
❤️ Made by XCS
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

综合
答案错误

看看哪些 AI 模型在 综合 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

21

失败总数

21

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)
#5 Gemini 3 Flash Preview low Google 1 10.0 0/1 3.27s
#6 Gemini 3 Pro Preview medium Google 1 10.0 0/1 10.4s
#17 Gemini 3.1 Flash Lite Preview low Google 1 10.0 0/1 11.9s
#20 Gemini 3 Flash Preview none Google 1 10.0 0/1 3.56s
#22 Gemini 3.1 Flash Lite Preview none Google 1 10.0 0/1 3.20s
#29 Qwen3.5 Plus 2026-02-15 none Qwen 1 10.0 0/1 6.65s
#31 GLM 5 none Z.ai 1 10.0 0/1 4.98s
#37 Qwen3.5-Flash none Qwen 1 10.0 0/1 6.22s
#38 Gemini 2.5 Flash none Google 1 10.0 0/1 4.39s
#40 Qwen3.5-122B-A10B none Qwen 1 10.0 0/1 46.0s
#41 Qwen3.5-27B none Qwen 1 10.0 0/1 9.39s
#42 Qwen3.5-35B-A3B none Qwen 1 10.0 0/1 47.4s
#44 GPT-5.4 none OpenAI 1 10.0 0/1 2.89s
#45 Trinity Large Preview none Arcee AI 1 10.0 0/1 8.91s
#46 Kimi K2.5 none Moonshot AI 1 10.0 0/1 19.2s
#47 GPT-4o-mini none OpenAI 1 10.0 0/1 7.58s
#48 Qwen3 Coder Next none Qwen 1 10.0 0/1 45.1s
#50 Qwen3 Coder Next medium Qwen 1 10.0 0/1 4.28s
#51 Mercury 2 none Inception 1 10.0 0/1 606ms
#53 Grok 4.1 Fast none X AI 1 10.0 0/1 3.33s
#54 MiMo-V2-Flash none Xiaomi 1 10.0 0/1 2.87s

按 答案错误 次数 排名的顶级模型

答案错误 次数 vs 平均分

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