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

52

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)
#101 Mimo V2 Omni none Xiaomi 1 3.0 0/1 5.96s
#102 Gemma 4 26B A4B none Google 1 3.0 0/1 30.5s
#104 Nemotron 3 Ultra 550b A55b none NVIDIA 1 3.0 0/1 4.79s
#107 Laguna Xs.2 medium Poolside 1 3.0 0/1 15.9s
#108 Qwen3.5-Flash none Qwen 1 3.0 0/1 6.22s
#109 GLM 5V Turbo none Z.ai 1 3.0 0/1 6.51s
#110 Seed-2.0-Lite none Bytedance Seed 1 3.0 0/1 6.59s
#111 Owl Alpha medium Openrouter 1 3.0 0/1 10.0s
#114 Qwen3.5 Plus 2026-04-20 none Qwen 1 2.8 0/1 13.3s
#115 Qwen3.5-27B none Qwen 1 2.8 0/1 9.39s
#116 Hunter Alpha none OpenRouter 1 3.0 0/1 15.2s
#117 Qwen3.5-35B-A3B none Qwen 1 3.0 0/1 47.4s
#120 Mimo V2 PRO none Xiaomi 1 3.0 0/1 6.58s
#121 Owl Alpha none Openrouter 1 3.0 0/1 21.7s
#124 Kimi K2.6 none Moonshot AI 1 3.0 0/1 3.38s

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