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)
#81 Mercury 2 medium Inception 3 2.9 0/3 6.48s
#87 Gemini 3.1 Flash Lite minimal Google 3 2.9 0/3 1.02s
#88 Qwen3.7 Plus none Qwen 3 3.0 0/3 868ms
#90 Gemini 3.1 Flash Lite none Google 3 2.9 0/3 762ms
#91 GPT-5.5 none OpenAI 3 2.9 0/3 1.31s
#98 GLM 5 none Z.ai 3 3.0 0/3 2.24s
#99 gpt-oss-120b medium OpenAI 3 2.9 0/3 50.9s
#102 Gemma 4 26B A4B none Google 3 3.6 0/3 2.49s
#106 Grok 4.20 Beta none X AI 3 3.0 0/3 611ms
#110 Seed-2.0-Lite none Bytedance Seed 3 3.6 0/3 1.33s
#112 GLM 5.1 none Z.ai 3 2.9 0/3 1.99s
#115 Qwen3.5-27B none Qwen 3 3.0 0/3 540ms
#119 Cobuddy medium Baidu 3 2.9 0/3 128.2s
#126 gpt-oss-120b none OpenAI 3 3.0 0/3 35.0s
#136 Elephant Alpha medium Openrouter 3 3.0 0/3 925ms

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