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。 排序方式: 响应时间(平均) ↓.

显示的模型数

15

失败总数

182

受影响最多的模型

MiniMax M2.5 2
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)
#71 MiniMax M2.5 medium Minimax 2 2.9 0/3 237.3s
#57 GPT-5 Nano medium OpenAI 1 5.2 1/3 204.0s
#93 GLM 4.7 Flash medium Z.ai 2 3.5 0/3 174.6s
#30 Step 3.5 Flash medium Stepfun 2 5.3 1/3 170.5s
#32 Qwen3.5-Flash medium Qwen 1 5.3 1/3 146.5s
#46 Kimi K2.5 medium Moonshot AI 2 3.5 0/3 137.3s
#11 Gemini 3.1 Flash Lite Preview high Google 2 5.3 1/3 127.6s
#52 Grok 4.1 Fast medium X AI 1 5.8 1/3 121.8s
#41 MiMo-V2-Flash medium Xiaomi 2 5.9 1/3 96.0s
#6 Seed-2.0-Lite medium Bytedance Seed 2 5.9 1/3 88.7s
#43 Qwen3.5-35B-A3B medium Qwen 1 4.1 0/3 88.3s
#37 Claude Opus 4.6 medium Anthropic 1 3.0 0/3 83.4s
#10 Qwen3.5-27B medium Qwen 1 5.3 1/3 79.5s
#40 GPT-5.2 medium OpenAI 1 5.9 1/3 77.8s
#16 GPT-5.4 medium OpenAI 2 5.3 1/3 74.3s

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