综合 x 答案错误排名

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

失败总数

受影响最多的模型

失败原因

无效工具调用91 答案错误68 无答案29 API 错误26 超时5 未遵循指令1 额外格式1

分类

领域专项412 反AI技巧293 编程252 谜题求解201 常识问答168 综合68 指令遵循61 通用智能59 数据解析与提取41 工具调用3

63/63

排名	模型	公司	答案错误次数	分类得分	总成本	测试正确	响应时间（平均）
#200	MiMo-V2-Flash none	Xiaomi	1	1.5	$0.025	0/1	2.87s
总测试数 1 错误测试数 1 总成本 $0.025 响应时间（平均） 2.87s
#203	Grok 4.1 Fast none	X AI	1	1.5	$0.008	0/1	3.33s
总测试数 1 错误测试数 1 总成本 $0.008 响应时间（平均） 3.33s
#205	Laguna Xs.2 none	Poolside	1	1.5	$0.004	0/1	2.01s
总测试数 1 错误测试数 1 总成本 $0.004 响应时间（平均） 2.01s

←

1 2 3 4 5

筛选模型