AI BENCHY 分类
常识问答 排名
看看哪些 AI 模型在 常识问答 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: 指标 ↑.
169/169
筛选模型
没有模型匹配当前搜索和筛选条件。
| 排名 | 模型 | 公司 | 常识问答 得分 | 分数 | 总成本 | 测试正确 | 响应时间（平均） |
|---|---|---|---|---|---|---|---|
| #69 | Grok 4.20 Beta medium | X AI | 0.0 | 6.8 | $0.750 | 0/0 | 0ms |
| #83 | Gemini 3.1 Flash Lite high | 0.0 | 6.5 | $2.044 | 0/0 | 0ms | |
| #95 | Gemini 3.1 Flash Lite Preview high | 0.0 | 6.1 | $2.310 | 0/0 | 0ms | |
| #132 | Hunter Alpha medium | OpenRouter | 0.0 | 5.1 | $0.000 | 0/0 | 0ms |
| #136 | Grok 4.20 Multi Agent Beta medium | X AI | 0.0 | 5.0 | $5.599 | 0/0 | 0ms |
| #149 | Grok 4.20 Beta none | X AI | 0.0 | 4.7 | $0.087 | 0/0 | 0ms |
| #154 | Hunter Alpha none | OpenRouter | 0.0 | 4.5 | $0.000 | 0/0 | 0ms |
| #155 | Grok 4.20 none | X AI | 0.0 | 4.4 | $0.057 | 0/0 | 0ms |
| #169 | LFM2-24B-A2B none | Liquid | 0.0 | 2.4 | $0.001 | 0/0 | 0ms |
| #9 | GPT-5.5 medium | OpenAI | 2.8 | 9.0 | $3.679 | 0/1 | 37.9s |
| #10 | GPT-5.3-Codex medium | OpenAI | 2.8 | 8.9 | $0.740 | 0/1 | 14.4s |
| #66 | Gemini 3.5 Flash none | 2.8 | 7.0 | $1.079 | 0/1 | 4.87s | |
| #3 | Qwen3.7 Max medium | Qwen | 3.0 | 9.4 | $0.523 | 0/1 | 33.4s |
| #4 | GPT-5.5 low | OpenAI | 3.0 | 9.3 | $0.907 | 0/1 | 10.1s |
| #6 | Claude Fable 5 medium | Anthropic | 3.0 | 9.2 | $3.165 | 0/1 | 25.6s |