领域专项 x 答案错误排名

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

失败总数

893

受影响最多的模型

失败原因

答案错误893 无答案66 超时46 API 错误40 额外格式36 未遵循指令3

分类

领域专项893 反AI技巧519 编程484 谜题求解352 常识问答315 通用智能134 智能体任务128 综合128 指令遵循117 数据解析与提取93

423/423

排名	模型	公司	答案错误次数	分类得分	总成本	测试正确	响应时间（平均）
#445	LFM2-24B-A2B default	Liquid	1	0.6	$0.001	1/3	287ms
总测试数 3 错误测试数 2 总成本 $0.001 响应时间（平均） 287ms
#446	Solar Decide Flash default	Upstage	1	0.4	$0.003	1/2	1.11s
总测试数 2 错误测试数 1 总成本 $0.003 响应时间（平均） 1.11s
#448	Solar Decide default	Upstage	1	0.4	$0.009	1/2	7.26s
总测试数 2 错误测试数 1 总成本 $0.009 响应时间（平均） 7.26s

←

1 28 29

筛选模型