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。

显示的模型数

15

失败总数

147

受影响最多的模型

Qwen3.5-Flash 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)
#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
#62 Step 3.5 Flash medium Stepfun 1 5.3 1/3 7.22s
#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
#72 DeepSeek V3.2 medium DeepSeek 1 7.0 1/3 37.7s
#73 Seed-2.0-Mini medium Bytedance Seed 1 8.2 2/3 31.8s
#75 Ring-2.6-1T medium Inclusionai 1 5.9 1/3 20.7s
#76 Kimi K2.5 medium Moonshot AI 1 5.3 1/3 43.2s
#78 Qwen3.6 27B medium Qwen 1 7.7 2/3 61.1s

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