AI BENCHY
Your ad here

AI BENCHY 分类失败

领域专项:答案错误

领域专项
答案错误

看看哪些 AI 模型在 领域专项 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

182

受影响最多的模型

Qwen3.6 Plus Preview 3
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)
#9 Qwen3.6 Plus Preview medium Qwen 3 3.0 0/3 22.1s
#17 Gemini 3.1 Flash Lite Preview medium Google 3 3.0 0/3 4.21s
#19 Qwen3.5-122B-A10B medium Qwen 3 2.9 0/3 63.4s
#20 Qwen3.6 Plus medium Qwen 3 2.9 0/3 29.6s
#36 GPT-5.3 Chat none OpenAI 3 3.5 0/3 13.0s
#44 GPT-5.4 Mini medium OpenAI 3 4.1 0/3 65.3s
#53 GLM 5 none Z.ai 3 3.0 0/3 2.24s
#54 Mercury 2 medium Inception 3 2.9 0/3 6.48s
#60 Gemma 4 26B A4B none Google 3 3.6 0/3 2.49s
#61 Seed-2.0-Lite none Bytedance Seed 3 3.6 0/3 1.33s
#64 DeepSeek V3.2 none DeepSeek 3 3.6 0/3 1.61s
#67 Qwen3.5-27B none Qwen 3 3.0 0/3 540ms
#68 gpt-oss-120b medium OpenAI 3 2.9 0/3 50.9s
#75 GLM 5.1 none Z.ai 3 2.9 0/3 1.99s
#79 Grok 4.20 Beta none X AI 3 3.0 0/3 611ms

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