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。

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)
#40 Gemini 3.1 Flash Lite Preview none Google 1 3.0 0/1 814ms
#41 GPT-5.2 Chat none OpenAI 1 3.0 0/1 6.89s
#42 Kimi K2.6 medium Moonshot AI 1 3.0 0/1 130.3s
#43 Step 3.5 Flash medium Stepfun 1 3.0 0/1 108.4s
#44 Gemini 3.1 Flash Lite low Google 1 3.0 0/1 1.46s
#45 Qwen3.5-Flash medium Qwen 1 3.0 0/1 49.0s
#46 GPT-5.3 Chat none OpenAI 1 3.0 0/1 4.38s
#47 GLM 5.1 medium Z.ai 1 3.0 0/1 29.4s
#48 DeepSeek V4 Flash high DeepSeek 1 3.0 0/1 54.5s
#49 GLM 5V Turbo medium Z.ai 1 3.0 0/1 41.0s
#50 Qwen3.6 Flash medium Qwen 1 3.0 0/1 122.9s
#52 Claude Opus 4.6 medium Anthropic 1 3.0 0/1 63.2s
#53 GPT-5.4 Nano medium OpenAI 1 3.0 0/1 4.81s
#54 Qwen3.6 Max Preview none Qwen 1 3.0 0/1 1.97s
#55 MiMo-V2-Flash medium Xiaomi 1 3.0 0/1 1.96s

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