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

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。 排序方式: 失败次数 ↑.

显示的模型数

15

失败总数

314

受影响最多的模型

Gemini 3.5 Flash 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)
#2 Gemini 3.5 Flash high Google 1 7.6 2/3 14.1s
#3 Gemini 3.5 Flash low Google 1 7.7 2/3 3.39s
#4 Gemini 3.1 Pro Preview medium Google 1 7.7 2/3 32.7s
#7 Gemini 3.5 Flash medium Google 1 7.7 2/3 5.24s
#8 Claude Opus 4.7 none Anthropic 1 7.7 2/3 1.19s
#20 Gemini 3.5 Flash none Google 1 7.6 2/3 10.6s
#22 Step 3.7 Flash medium Stepfun 1 7.7 2/3 48.3s
#25 Qwen3.5 Plus 2026-02-15 medium Qwen 1 5.3 1/3 17.5s
#27 Gemma 4 31B medium Google 1 7.7 2/3 38.5s
#30 Qwen3.5-27B medium Qwen 1 5.3 1/3 79.5s
#34 Qwen3.7 Max none Qwen 1 7.7 2/3 975ms
#42 GPT-5.2 medium OpenAI 1 5.9 1/3 77.8s
#47 Grok Build 0.1 medium X AI 1 5.3 1/3 158.0s
#48 Gemini 3 Flash Preview none Google 1 7.7 2/3 963ms
#49 Qwen3.5-Flash medium Qwen 1 5.3 1/3 146.5s

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