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。

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)
#16 GPT-5.4 medium OpenAI 2 5.3 1/3 74.3s
#18 GLM 5 Turbo medium Z.ai 2 2.9 0/3 71.1s
#22 Gemini 3.1 Flash Lite Preview low Google 2 5.3 1/3 2.36s
#24 Gemma 4 26B A4B medium Google 2 2.9 0/3 23.6s
#25 Grok 4.20 Beta medium X AI 2 5.3 1/3 21.3s
#28 GPT-5.2 Chat none OpenAI 2 5.3 1/3 17.8s
#29 Gemini 3.1 Flash Lite Preview none Google 2 5.3 1/3 942ms
#30 Step 3.5 Flash medium Stepfun 2 5.3 1/3 170.5s
#31 GLM 5V Turbo medium Z.ai 2 5.3 1/3 38.1s
#38 GPT-5.4 Nano medium OpenAI 2 5.9 1/3 38.2s
#41 MiMo-V2-Flash medium Xiaomi 2 5.9 1/3 96.0s
#45 GPT-5 Mini medium OpenAI 2 3.6 0/3 44.6s
#46 Kimi K2.5 medium Moonshot AI 2 3.5 0/3 137.3s
#49 Qwen3.5 Plus 2026-02-15 none Qwen 2 5.3 1/3 1.17s
#51 Nemotron 3 Super medium NVIDIA 2 2.9 0/3 16.2s

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