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。

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)
#79 Hunter Alpha medium OpenRouter 1 6.1 1/3 5.35s
#80 Mimo V2 Omni medium Xiaomi 1 5.9 1/3 2.38s
#81 Mercury 2 medium Inception 1 5.4 1/3 949ms
#84 Grok 4.20 Multi Agent Beta medium X AI 1 6.7 1/3 5.19s
#85 Gemma 4 31B none Google 1 6.5 1/3 4.23s
#86 Grok 4.1 Fast medium X AI 1 5.3 1/3 7.40s
#88 Qwen3.7 Plus none Qwen 1 7.7 2/3 1.71s
#89 Hy3 preview low Tencent 1 5.3 1/3 7.51s
#90 Gemini 3.1 Flash Lite none Google 1 6.3 1/3 720ms
#91 GPT-5.5 none OpenAI 1 7.7 2/3 1.29s
#92 Laguna M.1 medium Poolside 1 5.3 1/3 10.2s
#94 GPT-5 Nano medium OpenAI 1 5.3 1/3 20.6s
#95 Qwen3.5 Plus 2026-02-15 none Qwen 1 7.7 2/3 2.71s
#97 Gemini 2.5 Flash none Google 1 7.7 2/3 604ms
#98 GLM 5 none Z.ai 1 7.7 2/3 1.91s

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