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)
#139 DeepSeek V4 Flash none DeepSeek 2 5.3 1/3 19.7s
#140 Qwen3 Coder Next none Qwen 2 5.3 1/3 962ms
#142 Mistral Small 4 none Mistral 2 5.3 1/3 367ms
#146 Laguna Xs.2 none Poolside 2 5.3 1/3 371ms
#149 Nemotron 3 Nano Omni 30b A3b Reasoning medium NVIDIA 2 2.9 0/3 56.7s
#150 Qwen3 Coder Next medium Qwen 2 5.3 1/3 638ms
#151 Trinity Large Preview none Arcee AI 2 5.3 1/3 877ms
#152 MiMo-V2-Flash none Xiaomi 2 5.3 1/3 564ms
#155 Mercury 2 none Inception 2 5.3 1/3 534ms
#156 Hy3 preview none Tencent 2 3.6 0/3 17.6s
#157 Grok 4.1 Fast none X AI 2 5.9 1/3 1.06s
#158 GLM 4.7 Flash medium Z.ai 2 3.5 0/3 174.6s
#2 Gemini 3.5 Flash high Google 1 7.6 2/3 14.1s
#3 Gemini 3.5 Flash low Google 1 7.7 2/3 3.39s
#4 Gemini 3.1 Pro Preview medium Google 1 7.7 2/3 32.7s

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