谜题求解模型排名 | AI BENCHY

看看哪些 AI 模型在谜题求解上表现最好，哪些更稳定，以及差距主要出现在哪里。

显示的模型数

1

谜题求解得分平均值

0.7

最佳模型

Gemini 3.6 Flash 1.0

失败原因

失败原因为答案错误352 失败原因为未遵循指令166 失败原因为 API 错误35 失败原因为额外格式16 失败原因为无答案14 失败原因为超时11

451/451

排名	模型	公司	谜题求解得分	分数	总成本	测试正确	响应时间（平均）
#451	Claude Opus 5.5 none	Anthropic	0.0	0.2	$0.015	0/0	0ms
总测试数 0 错误测试数 0 总成本 $0.015 响应时间（平均） 0ms

←

1 30 31

按谜题求解得分排名的顶级模型

谜题求解得分 vs 总成本

按响应时间（平均）排名的顶级模型