数据解析与提取 x 额外格式排名 | AI BENCHY

看看哪些 AI 模型在数据解析与提取上最容易遇到额外格式，更快找出薄弱点。

显示的模型数

8

失败总数

8

受影响最多的模型

失败原因

答案错误66 API 错误17 无答案9 额外格式8 未遵循指令7 超时2

分类

反AI技巧29 编程26 领域专项23 谜题求解14 数据解析与提取8 指令遵循7 综合1

8/8

排名	模型	公司	额外格式次数	分类得分	总成本	测试正确	响应时间（平均）
#66	Kimi K3 max	Moonshot AI	1	7.3	$3.467	1/2	16.7s
总测试数 2 错误测试数 1 总成本 $3.467 响应时间（平均） 16.7s
#111	GLM 5.3 Flash high	Z.ai	1	7.3	$0.029	1/2	2.73s
总测试数 2 错误测试数 1 总成本 $0.029 响应时间（平均） 2.73s
#173	MiMo-V2.5 medium	Xiaomi	1	2.7	$0.104	0/2	6.33s
总测试数 2 错误测试数 2 总成本 $0.104 响应时间（平均） 6.33s
#206	GLM 5.3 Flash low	Z.ai	1	6.5	$0.015	1/2	2.39s
总测试数 2 错误测试数 1 总成本 $0.015 响应时间（平均） 2.39s
#255	MiMo-V2.5 none	Xiaomi	1	6.5	$0.025	1/2	1.01s
总测试数 2 错误测试数 1 总成本 $0.025 响应时间（平均） 1.01s
#274	KAT-Coder-Air V2.5 none	Kwaipilot	1	6.3	$0.070	1/2	2.66s
总测试数 2 错误测试数 1 总成本 $0.070 响应时间（平均） 2.66s
#296	MiMo-V2-Flash none	Xiaomi	1	2.9	$0.025	0/2	19.7s
总测试数 2 错误测试数 2 总成本 $0.025 响应时间（平均） 19.7s
#304	Qwen3.5-9B medium	Qwen	1	3.6	$0.062	0/2	87.3s
总测试数 2 错误测试数 2 总成本 $0.062 响应时间（平均） 87.3s

按额外格式次数排名的顶级模型

额外格式次数对比分数

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