常识问答 x 答案错误排名

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。

显示的模型数

失败总数

197

受影响最多的模型

失败原因

答案错误197 无答案16 API 错误13 超时1

分类

领域专项495 反AI技巧332 编程292 谜题求解233 常识问答197 综合75 指令遵循73 通用智能71 数据解析与提取45 工具调用4

197/197

排名	模型	公司	答案错误次数	分类得分	总成本	测试正确	响应时间（平均）
#242	gpt-oss-120b none	OpenAI	1	3.0	$0.010	0/1	47.3s
总测试数 1 错误测试数 1 总成本 $0.010 响应时间（平均） 47.3s
#245	Step 3.5 Flash none	Stepfun	1	3.0	$0.020	0/1	114.1s
总测试数 1 错误测试数 1 总成本 $0.020 响应时间（平均） 114.1s

←

1 13 14

筛选模型