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)
#90 Qwen3.5 Plus 2026-04-20 none Qwen 1 3.0 0/1 33.3s
#91 Qwen3.5-35B-A3B none Qwen 1 3.0 0/1 493ms
#92 MiMo-V2-Pro none Xiaomi 1 3.0 0/1 1.63s
#93 Qwen3.5-27B none Qwen 1 3.0 0/1 599ms
#94 Qwen3.6 27B none Qwen 1 3.0 0/1 4.03s
#95 Cobuddy medium Baidu 1 3.0 0/1 37.0s
#96 Owl Alpha none Openrouter 1 3.0 0/1 2.50s
#97 GLM 4.7 Flash none Z.ai 1 3.0 0/1 692ms
#98 GPT-5.4 none OpenAI 1 3.0 0/1 990ms
#99 gpt-oss-120b medium OpenAI 1 3.0 0/1 26.5s
#100 Kimi K2.6 none Moonshot AI 1 3.0 0/1 1.36s
#101 GLM 5.1 none Z.ai 1 3.0 0/1 2.34s
#102 MiMo-V2.5-Pro none Xiaomi 1 3.0 0/1 1.89s
#104 DeepSeek V3.2 none DeepSeek 1 3.0 0/1 17.2s
#105 Qwen3.6 Flash none Qwen 1 3.0 0/1 649ms

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