常识问答模型排名 | AI BENCHY

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。

显示的模型数

6

常识问答得分平均值

3.2

最佳模型

Gemini 3.6 Flash 10.0

失败原因

失败原因为答案错误197 失败原因为无答案16 失败原因为 API 错误13 失败原因为超时1

246/246

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）
#216	Grok 4.20 Multi Agent Beta medium	X AI	0.0	4.8	$5.599	0/0	0ms
总测试数 0 错误测试数 0 总成本 $5.599 响应时间（平均） 0ms
#219	Hunter Alpha medium	OpenRouter	0.0	4.7	$0.000	0/0	0ms
总测试数 0 错误测试数 0 总成本 $0.000 响应时间（平均） 0ms
#227	Grok 4.20 Beta none	X AI	0.0	4.4	$0.087	0/0	0ms
总测试数 0 错误测试数 0 总成本 $0.087 响应时间（平均） 0ms
#232	Hunter Alpha none	OpenRouter	0.0	4.2	$0.000	0/0	0ms
总测试数 0 错误测试数 0 总成本 $0.000 响应时间（平均） 0ms
#233	Grok 4.20 none	X AI	0.0	4.1	$0.057	0/0	0ms
总测试数 0 错误测试数 0 总成本 $0.057 响应时间（平均） 0ms
#246	LFM2-24B-A2B none	Liquid	0.0	2.2	$0.001	0/0	0ms
总测试数 0 错误测试数 0 总成本 $0.001 响应时间（平均） 0ms

←

1 16 17

按常识问答得分排名的顶级模型

常识问答得分 vs 总成本

按响应时间（平均）排名的顶级模型