AI BENCHY
Advertise here

AI BENCHY 分类失败

谜题求解:答案错误

谜题求解
答案错误

看看哪些 AI 模型在 谜题求解 上最容易遇到 答案错误,更快找出薄弱点。 排序方式: 失败次数 ↑.

显示的模型数

15

失败总数

147

受影响最多的模型

Gemini 3.5 Flash 1
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)
#7 Gemini 3.5 Flash medium Google 1 7.7 2/3 2.38s
#24 GPT-5.2 Chat none OpenAI 1 7.7 2/3 4.10s
#28 Gemini 2.5 Flash medium Google 1 7.7 2/3 3.18s
#36 Qwen3.5 Plus 2026-04-20 medium Qwen 1 8.2 2/3 17.7s
#38 Grok 4.3 medium X AI 1 5.9 1/3 22.5s
#40 Gemini 3.1 Flash Lite Preview medium Google 1 7.7 2/3 5.30s
#43 MiMo-V2.5-Pro medium Xiaomi 1 6.7 1/3 5.31s
#44 Gemini 3.1 Flash Lite medium Google 1 7.6 2/3 1.95s
#46 Qwen3.6 35B A3B medium Qwen 1 8.0 2/3 5.95s
#47 Grok Build 0.1 medium X AI 1 7.7 2/3 18.3s
#48 Gemini 3 Flash Preview none Google 1 7.7 2/3 1.05s
#54 GPT-5 Mini medium OpenAI 1 5.6 1/3 15.2s
#55 GLM 5.1 medium Z.ai 1 8.2 2/3 31.6s
#59 GLM 5V Turbo medium Z.ai 1 7.7 2/3 10.2s
#60 Kimi K2.6 medium Moonshot AI 1 6.0 1/3 25.1s

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