AI BENCHY
Advertise 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

314

受影响最多的模型

Qwen3.6 Max 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)
#14 Qwen3.6 Max Preview medium Qwen 3 2.9 0/3 95.9s
#18 Qwen3.7 Plus medium Qwen 3 3.6 0/3 45.3s
#26 Qwen3.6 Plus medium Qwen 3 2.9 0/3 29.6s
#29 Qwen3.5-122B-A10B medium Qwen 3 2.9 0/3 63.4s
#31 DeepSeek V4 Flash high DeepSeek 3 4.1 0/3 100.3s
#36 Qwen3.5 Plus 2026-04-20 medium Qwen 3 2.9 0/3 53.1s
#39 Qwen3.6 Flash medium Qwen 3 3.5 0/3 14.6s
#40 Gemini 3.1 Flash Lite Preview medium Google 3 3.0 0/3 4.21s
#41 Nemotron 3 Ultra 550b A55b medium NVIDIA 3 3.5 0/3 24.9s
#44 Gemini 3.1 Flash Lite medium Google 3 2.9 0/3 3.16s
#45 GPT-5.4 Mini medium OpenAI 3 4.1 0/3 65.3s
#53 Gemini 3.1 Flash Lite high Google 3 3.6 0/3 139.9s
#63 GPT-5.3 Chat none OpenAI 3 3.5 0/3 13.0s
#75 Ring-2.6-1T medium Inclusionai 3 3.5 0/3 64.9s
#78 Qwen3.6 27B medium Qwen 3 2.9 0/3 73.4s

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