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)
#73 Gemini 3.1 Flash Lite none Google 1 3.0 0/1 733ms
#76 Qwen3.5 Plus 2026-02-15 none Qwen 1 3.0 0/1 1.11s
#77 Grok 4.1 Fast medium X AI 1 3.0 0/1 25.5s
#78 GLM 5 none Z.ai 1 3.0 0/1 3.62s
#79 MiMo-V2-Omni none Xiaomi 1 3.0 0/1 1.30s
#80 Mercury 2 medium Inception 1 3.0 0/1 2.58s
#81 Gemini 2.5 Flash none Google 1 3.0 0/1 1.15s
#82 Gemma 4 26B A4B none Google 1 3.0 0/1 778ms
#83 GPT-5 Nano medium OpenAI 1 3.0 0/1 20.1s
#84 DeepSeek V4 Pro none DeepSeek 1 3.0 0/1 15.6s
#85 Nemotron 3 Super medium NVIDIA 1 3.0 0/1 55.3s
#86 Seed-2.0-Lite none Bytedance Seed 1 3.0 0/1 1.96s
#87 GLM 5V Turbo none Z.ai 1 3.0 0/1 2.23s
#88 Owl Alpha medium Openrouter 1 3.0 0/1 2.38s
#89 Qwen3.5-Flash none Qwen 1 3.0 0/1 588ms

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