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

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: 测试正确 ↓.

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
#40 Gemini 3.1 Flash Lite Preview medium Google 1 7.7 2/3 5.30s
#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
#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
#64 MiMo-V2-Flash medium Xiaomi 1 7.7 2/3 3.87s
#65 Grok 4.20 medium X AI 1 7.7 2/3 6.22s
#67 MiniMax M3 medium Minimax 1 7.9 2/3 49.9s
#69 Claude Opus 4.6 medium Anthropic 1 7.7 2/3 4.71s

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