领域专项模型排名 | AI BENCHY

看看哪些 AI 模型在领域专项上表现最好，哪些更稳定，以及差距主要出现在哪里。排序方式: 测试正确 ↑.

显示的模型数

6

领域专项得分平均值

4.7

最佳模型

失败原因

失败原因为答案错误421 失败原因为超时43 失败原因为额外格式17 失败原因为无答案8 失败原因为 API 错误7 失败原因为未遵循指令1

216/216

排名	模型	公司	领域专项得分	分数	总成本	测试正确	响应时间（平均）
#182	GLM 4.7 Flash none	Z.ai	7.7	4.9	$0.016	2/3	744ms
总测试数 3 错误测试数 1 总成本 $0.016 响应时间（平均） 744ms
#2	Gemini 3.6 Flash high	Google	10.0	9.7	$1.785	3/3	26.0s
总测试数 3 错误测试数 0 总成本 $1.785 响应时间（平均） 26.0s
#3	Gemini 3 Flash Preview medium	Google	10.0	9.6	$0.742	3/3	15.3s
总测试数 3 错误测试数 0 总成本 $0.742 响应时间（平均） 15.3s
#6	Gemini 3.6 Flash low	Google	10.0	9.4	$0.517	3/3	3.96s
总测试数 3 错误测试数 0 总成本 $0.517 响应时间（平均） 3.96s
#92	Gemini 3.5 Flash minimal	Google	10.0	6.8	$0.300	3/3	899ms
总测试数 3 错误测试数 0 总成本 $0.300 响应时间（平均） 899ms
#215	Step 3.5 Flash none	Stepfun	3.3	2.3	$0.020	1/1	34.5s
总测试数 1 错误测试数 0 总成本 $0.020 响应时间（平均） 34.5s

←

1 14 15

按领域专项得分排名的顶级模型

领域专项得分 vs 总成本

按响应时间（平均）排名的顶级模型