AI BENCHY
Advertise here

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。

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)
#24 Grok 4.3 medium X AI 1 3.0 0/1 44.5s
#25 Gemini 2.5 Flash medium Google 1 3.0 0/1 2.76s
#26 GPT-5.4 medium OpenAI 1 3.0 0/1 14.0s
#27 Gemini 3.1 Flash Lite medium Google 1 3.0 0/1 3.08s
#28 Qwen3.6 Plus medium Qwen 1 3.0 0/1 47.5s
#29 Gemini 3 Flash Preview none Google 1 3.0 0/1 1.07s
#30 Gemini 3.1 Flash Lite Preview low Google 1 3.0 0/1 1.35s
#31 Qwen3.5-122B-A10B medium Qwen 1 3.0 0/1 52.9s
#33 Qwen3.5 Plus 2026-04-20 medium Qwen 1 3.0 0/1 92.6s
#34 HY3 Preview medium Tencent 1 3.0 0/1 39.9s
#35 Claude Sonnet 4.6 medium Anthropic 1 3.0 0/1 30.1s
#36 Step 3.5 Flash none Stepfun 1 3.0 0/1 114.1s
#37 MiMo-V2-Pro medium Xiaomi 1 3.0 0/1 82.7s
#38 Gemma 4 26B A4B medium Google 1 3.0 0/1 180.9s
#39 HY3 Preview low Tencent 1 3.0 0/1 41.7s

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