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

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)
#113 DeepSeek V4 Pro none DeepSeek 2 5.3 1/3 3.17s
#114 Qwen3.5 Plus 2026-04-20 none Qwen 2 5.3 1/3 4.43s
#116 Hunter Alpha none OpenRouter 2 5.3 1/3 2.33s
#120 Mimo V2 PRO none Xiaomi 2 5.3 1/3 1.78s
#121 Owl Alpha none Openrouter 2 5.3 1/3 3.00s
#123 MiMo-V2.5-Pro none Xiaomi 2 5.3 1/3 877ms
#124 Kimi K2.6 none Moonshot AI 2 5.3 1/3 1.48s
#125 GPT-5.4 none OpenAI 2 5.3 1/3 1.07s
#127 Grok 4.20 none X AI 2 3.0 0/3 687ms
#128 Qwen3.6 Flash none Qwen 2 5.3 1/3 1.11s
#129 MiniMax M2.5 medium Minimax 2 2.9 0/3 237.3s
#131 Qwen3.5-122B-A10B none Qwen 2 5.3 1/3 465ms
#133 DeepSeek V3.2 none DeepSeek 2 2.9 0/3 4.17s
#134 GLM 5 Turbo none Z.ai 2 5.3 1/3 1.97s
#135 Kimi K2.5 none Moonshot AI 2 5.3 1/3 4.38s

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