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

1

领域专项得分平均值

4.4

最佳模型

Claude Opus 5 3.0

失败原因

失败原因为答案错误659 失败原因为超时42 失败原因为无答案35 失败原因为额外格式23 失败原因为 API 错误17 失败原因为未遵循指令2

316/316

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）
#315	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 21 22

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