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)
#99 gpt-oss-120b medium OpenAI 1 5.3 1/3 21.7s
#100 Grok Build 0.1 none X AI 1 6.4 1/3 9.55s
#102 Gemma 4 26B A4B none Google 1 6.2 1/3 744ms
#103 DeepSeek V4 Pro high DeepSeek 1 5.9 1/3 34.8s
#104 Nemotron 3 Ultra 550b A55b none NVIDIA 1 5.9 1/3 1.06s
#106 Grok 4.20 Beta none X AI 1 7.7 2/3 586ms
#107 Laguna Xs.2 medium Poolside 1 5.3 1/3 1.93s
#109 GLM 5V Turbo none Z.ai 1 5.3 1/3 2.40s
#111 Owl Alpha medium Openrouter 1 5.3 1/3 3.40s
#112 GLM 5.1 none Z.ai 1 7.7 2/3 1.45s
#115 Qwen3.5-27B none Qwen 1 6.7 1/3 1.38s
#116 Hunter Alpha none OpenRouter 1 5.8 1/3 3.71s
#118 Qwen3.6 27B none Qwen 1 5.3 1/3 5.15s
#120 Mimo V2 PRO none Xiaomi 1 6.0 1/3 1.61s
#121 Owl Alpha none Openrouter 1 5.4 1/3 4.18s

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