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)
#56 Seed-2.0-Mini medium Bytedance Seed 1 3.0 0/1 56.8s
#57 Qwen3.5-35B-A3B medium Qwen 1 3.0 0/1 177.4s
#58 GPT-5.2 medium OpenAI 1 3.0 0/1 28.2s
#59 DeepSeek V3.2 medium DeepSeek 1 3.0 0/1 84.0s
#60 GPT-5.4 Mini medium OpenAI 1 3.0 0/1 30.1s
#61 Claude Sonnet 4.6 none Anthropic 1 3.0 0/1 4.67s
#62 MiMo-V2-Omni medium Xiaomi 1 3.0 0/1 234.2s
#64 Gemma 4 31B none Google 1 3.0 0/1 1.25s
#65 DeepSeek V4 Pro high DeepSeek 1 3.0 0/1 39.1s
#66 Grok 4.20 medium X AI 1 3.0 0/1 63.5s
#67 GPT-5 Mini medium OpenAI 1 3.0 0/1 9.99s
#68 Gemini 3.1 Flash Lite minimal Google 1 3.0 0/1 724ms
#69 Kimi K2.5 medium Moonshot AI 1 3.0 0/1 83.9s
#70 Qwen3.6 27B medium Qwen 1 3.0 0/1 81.0s
#72 GPT-5.5 none OpenAI 1 3.0 0/1 5.01s

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