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)
#122 GLM 4.7 Flash none Z.ai 1 6.4 1/3 1.20s
#123 MiMo-V2.5-Pro none Xiaomi 1 6.7 1/3 1.30s
#125 GPT-5.4 none OpenAI 1 5.6 1/3 1.44s
#126 gpt-oss-120b none OpenAI 1 6.0 1/3 8.21s
#129 MiniMax M2.5 medium Minimax 1 5.3 1/3 11.2s
#130 MiniMax M2.7 medium Minimax 1 5.9 1/3 24.9s
#134 GLM 5 Turbo none Z.ai 1 5.5 1/3 2.65s
#136 Elephant Alpha medium Openrouter 1 5.3 1/3 868ms
#139 DeepSeek V4 Flash none DeepSeek 1 3.1 0/3 23.7s
#141 Nemotron 3 Super none NVIDIA 1 5.5 1/3 2.36s
#143 MiMo-V2.5 none Xiaomi 1 5.4 1/3 2.13s
#144 GPT-5.4 Mini none OpenAI 1 5.4 1/3 836ms
#146 Laguna Xs.2 none Poolside 1 5.3 1/3 650ms
#148 GPT-5.4 Nano none OpenAI 1 5.4 1/3 1.25s
#153 Qwen3.6 35B A3B none Qwen 1 3.2 0/3 1.07s

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