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

综合:答案错误

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。

显示的模型数

15

失败总数

37

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)
#65 MiMo-V2-Pro none Xiaomi 1 3.0 0/1 6.58s
#66 GPT-5.4 none OpenAI 1 3.0 0/1 2.89s
#67 Qwen3.5-27B none Qwen 1 2.8 0/1 9.39s
#69 Kimi K2.6 none Moonshot AI 1 3.0 0/1 3.38s
#70 Qwen3.5-122B-A10B none Qwen 1 3.0 0/1 46.0s
#72 Hunter Alpha none OpenRouter 1 3.0 0/1 15.2s
#73 Mistral Small 4 medium Mistral 1 3.0 0/1 25.3s
#76 Kimi K2.5 none Moonshot AI 1 2.8 0/1 19.2s
#77 GLM 5 Turbo none Z.ai 1 3.0 0/1 4.89s
#78 Trinity Large Preview none Arcee AI 1 3.0 0/1 8.91s
#81 Elephant medium Openrouter 1 3.0 0/1 3.70s
#83 Mistral Small 4 none Mistral 1 3.0 0/1 1.72s
#85 Elephant none Openrouter 1 3.0 0/1 3.81s
#86 GPT-5.4 Mini none OpenAI 1 3.0 0/1 2.52s
#87 Qwen3 Coder Next none Qwen 1 3.0 0/1 45.1s

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