AI BENCHY
Your ad 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: 测试正确 ↓.

显示的模型数

15

失败总数

85

受影响最多的模型

Gemini 3.1 Flash Lite Preview 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)
#11 Gemini 3.1 Flash Lite Preview high Google 1 7.7 2/3 46.3s
#15 Gemini 2.5 Flash medium Google 1 7.7 2/3 3.94s
#17 Gemini 3.1 Flash Lite Preview medium Google 1 7.7 2/3 3.58s
#21 Gemini 3 Flash Preview none Google 1 7.7 2/3 1.06s
#27 DeepSeek V3.2 medium DeepSeek 1 8.2 2/3 36.9s
#28 GPT-5.2 Chat none OpenAI 1 7.7 2/3 4.42s
#33 GLM 5.1 medium Z.ai 1 8.2 2/3 23.8s
#37 Claude Opus 4.6 medium Anthropic 1 7.7 2/3 4.60s
#39 Seed-2.0-Mini medium Bytedance Seed 1 8.2 2/3 25.9s
#41 MiMo-V2-Flash medium Xiaomi 1 7.7 2/3 3.77s
#49 Qwen3.5 Plus 2026-02-15 none Qwen 1 7.7 2/3 2.82s
#53 GLM 5 none Z.ai 1 7.7 2/3 2.05s
#64 DeepSeek V3.2 none DeepSeek 1 8.5 2/3 7.37s
#30 Step 3.5 Flash medium Stepfun 1 5.3 1/3 7.72s
#35 MiMo-V2-Omni medium Xiaomi 1 6.5 1/3 3.88s

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