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: 测试正确 ↓.

显示的模型数

15

失败总数

117

受影响最多的模型

Claude Opus 4.7 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)
#3 Claude Opus 4.7 medium Anthropic 1 3.0 0/1 2.25s
#4 GPT-5.5 medium OpenAI 1 2.8 0/1 37.9s
#5 Claude Opus 4.7 none Anthropic 1 3.0 0/1 1.46s
#6 GPT-5.5 low OpenAI 1 3.0 0/1 10.1s
#9 Qwen3.6 Max Preview medium Qwen 1 3.0 0/1 60.6s
#11 Seed-2.0-Lite medium Bytedance Seed 1 3.0 0/1 48.3s
#12 Qwen3.5 Plus 2026-02-15 medium Qwen 1 3.0 0/1 103.8s
#13 GPT-5.3-Codex medium OpenAI 1 2.8 0/1 14.4s
#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
#19 GLM 5 medium Z.ai 1 3.0 0/1 67.4s
#20 GLM 5 Turbo medium Z.ai 1 3.0 0/1 40.2s
#21 Qwen3.6 35B A3B medium Qwen 1 3.0 0/1 32.9s
#22 HY3 Preview high Tencent 1 3.0 0/1 47.7s
#23 Gemini 3.1 Flash Lite Preview medium Google 1 3.0 0/1 2.68s

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