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)
#9 GPT-5.5 medium OpenAI 2 5.3 1/3 164.1s
#10 Claude Opus 4.8 medium Anthropic 2 5.3 1/3 14.2s
#12 Gemini 3.1 Flash Lite Preview high Google 2 5.3 1/3 127.6s
#13 Grok 4.20 Beta medium X AI 2 5.3 1/3 21.3s
#15 GPT-5.3-Codex medium OpenAI 2 5.9 1/3 64.3s
#16 Gemini 3 Flash Preview low Google 2 5.3 1/3 8.05s
#17 GLM 5 medium Z.ai 2 3.5 0/3 0ms
#19 Seed-2.0-Lite medium Bytedance Seed 2 5.9 1/3 88.7s
#21 GPT-5.4 medium OpenAI 2 5.3 1/3 74.3s
#23 GLM 5 Turbo medium Z.ai 2 2.9 0/3 71.1s
#24 GPT-5.2 Chat none OpenAI 2 5.3 1/3 17.8s
#28 Gemini 2.5 Flash medium Google 2 5.9 1/3 37.3s
#33 Hy3 preview medium Tencent 2 5.3 1/3 22.3s
#35 Gemini 3 PRO Preview medium Google 2 5.3 1/3 7.01s
#37 Gemma 4 26B A4B medium Google 2 2.9 0/3 23.6s

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