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

常识问答:答案错误

常识问答
答案错误

看看哪些 AI 模型在 常识问答 上最容易遇到 答案错误,更快找出薄弱点。 排序方式: 响应时间(平均) ↓.

显示的模型数

15

失败总数

117

受影响最多的模型

MiMo-V2-Omni 1

失败原因

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)
#62 MiMo-V2-Omni medium Xiaomi 1 3.0 0/1 234.2s
#38 Gemma 4 26B A4B medium Google 1 3.0 0/1 180.9s
#57 Qwen3.5-35B-A3B medium Qwen 1 3.0 0/1 177.4s
#140 Qwen3.5-9B medium Qwen 1 3.0 0/1 177.0s
#42 Kimi K2.6 medium Moonshot AI 1 3.0 0/1 130.3s
#50 Qwen3.6 Flash medium Qwen 1 3.0 0/1 122.9s
#36 Step 3.5 Flash none Stepfun 1 3.0 0/1 114.1s
#43 Step 3.5 Flash medium Stepfun 1 3.0 0/1 108.4s
#12 Qwen3.5 Plus 2026-02-15 medium Qwen 1 3.0 0/1 103.8s
#33 Qwen3.5 Plus 2026-04-20 medium Qwen 1 3.0 0/1 92.6s
#14 Gemma 4 31B medium Google 1 3.0 0/1 90.1s
#17 Qwen3.5-27B medium Qwen 1 3.0 0/1 85.1s
#59 DeepSeek V3.2 medium DeepSeek 1 3.0 0/1 84.0s
#69 Kimi K2.5 medium Moonshot AI 1 3.0 0/1 83.9s
#37 MiMo-V2-Pro medium Xiaomi 1 3.0 0/1 82.7s

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