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)
#87 Qwen3 Coder Next none Qwen 2 5.3 1/3 962ms
#91 Mercury 2 none Inception 2 5.3 1/3 534ms
#92 Qwen3 Coder Next medium Qwen 2 5.3 1/3 638ms
#93 GLM 4.7 Flash medium Z.ai 2 3.5 0/3 174.6s
#94 MiMo-V2-Flash none Xiaomi 2 5.3 1/3 564ms
#95 Grok 4.1 Fast none X AI 2 5.9 1/3 1.06s
#2 Gemini 3.1 Pro Preview medium Google 1 7.7 2/3 32.7s
#4 Claude Opus 4.7 none Anthropic 1 7.7 2/3 1.19s
#8 Qwen3.5 Plus 2026-02-15 medium Qwen 1 5.3 1/3 17.5s
#10 Qwen3.5-27B medium Qwen 1 5.3 1/3 79.5s
#14 Gemma 4 31B medium Google 1 7.7 2/3 38.5s
#21 Gemini 3 Flash Preview none Google 1 7.7 2/3 963ms
#23 MiMo-V2-Pro medium Xiaomi 1 5.3 1/3 6.00s
#26 Claude Sonnet 4.6 medium Anthropic 1 2.9 0/3 0ms
#27 DeepSeek V3.2 medium DeepSeek 1 5.3 1/3 39.3s

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