AI BENCHY
Advertise here

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

12

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)
#128 MiMo-V2.5 none Xiaomi 1 3.0 0/1 3.89s
#129 Qwen3 Coder Next medium Qwen 1 3.0 0/1 399ms
#130 Trinity Large Preview none Arcee AI 1 3.0 0/1 777ms
#131 Mercury 2 none Inception 1 3.0 0/1 548ms
#132 Qwen3.5-9B none Qwen 1 3.0 0/1 2.32s
#133 HY3 Preview none Tencent 1 3.0 0/1 2.71s
#135 GPT-5.4 Nano none OpenAI 1 3.0 0/1 773ms
#136 GLM 4.7 Flash medium Z.ai 1 3.0 0/1 11.1s
#137 MiMo-V2-Flash none Xiaomi 1 3.0 0/1 1.82s
#139 Grok 4.1 Fast none X AI 1 3.0 0/1 731ms
#140 Qwen3.5-9B medium Qwen 1 3.0 0/1 177.0s
#142 Granite 4.1 8B none IBM Granite 1 3.0 0/1 306ms

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