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。

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)
#81 Elephant medium Openrouter 3 3.0 0/3 925ms
#84 gpt-oss-120b none OpenAI 3 3.0 0/3 35.0s
#85 Elephant none Openrouter 3 3.0 0/3 927ms
#86 GPT-5.4 Mini none OpenAI 3 3.5 0/3 937ms
#88 Nemotron 3 Super none NVIDIA 3 3.6 0/3 6.23s
#89 GPT-4o-mini none OpenAI 3 3.0 0/3 637ms
#90 Qwen3.5-9B none Qwen 3 3.0 0/3 464ms
#96 GPT-5.4 Nano none OpenAI 3 2.9 0/3 926ms
#5 Gemini 3 Flash Preview low Google 2 5.3 1/3 8.05s
#6 Seed-2.0-Lite medium Bytedance Seed 2 5.9 1/3 88.7s
#7 GPT-5.3-Codex medium OpenAI 2 5.9 1/3 64.3s
#11 Gemini 3.1 Flash Lite Preview high Google 2 5.3 1/3 127.6s
#12 Gemini 3 PRO Preview medium Google 2 5.3 1/3 7.01s
#13 GLM 5 medium Z.ai 2 3.5 0/3 0ms
#15 Gemini 2.5 Flash medium Google 2 5.9 1/3 37.3s

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