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)
#106 MiniMax M2.5 medium Minimax 1 3.0 0/1 80.8s
#107 Mistral Small 4 medium Mistral 1 3.0 0/1 5.92s
#110 Qwen3.5-122B-A10B none Qwen 1 3.0 0/1 295ms
#112 Kimi K2.5 none Moonshot AI 1 3.0 0/1 3.90s
#114 GLM 5 Turbo none Z.ai 1 3.0 0/1 2.37s
#118 Ling-2.6-flash none Inclusionai 1 3.0 0/1 1.06s
#119 gpt-oss-120b none OpenAI 1 3.0 0/1 47.3s
#120 DeepSeek V4 Flash none DeepSeek 1 3.0 0/1 3.07s
#121 Qwen3 Coder Next none Qwen 1 3.0 0/1 601ms
#122 Nemotron 3 Super none NVIDIA 1 3.0 0/1 8.94s
#123 MiniMax M2.7 medium Minimax 1 3.0 0/1 22.8s
#124 Mistral Small 4 none Mistral 1 3.0 0/1 397ms
#125 GPT-5.4 Mini none OpenAI 1 3.0 0/1 1.33s
#126 Qwen3.6 35B A3B none Qwen 1 3.0 0/1 414ms
#127 GPT-4o-mini none OpenAI 1 3.0 0/1 794ms

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