AI BENCHY
Advertise here

AI BENCHY 失败分析

额外格式 失败

看看哪些 AI 模型最常遇到 额外格式,让你在选择前先发现稳定性风险。 排序方式: 分数 ↑.

显示的模型数

15

失败总数

48

受影响最多的模型

Granite 4.1 8B 1
排名 模型 公司 额外格式 次数 分数 测试正确 响应时间(平均)
#163 Granite 4.1 8B none IBM Granite 1 4.0 2/21 728ms
#161 Qwen3.5-9B medium Qwen 1 4.2 3/21 82.2s
#156 Hy3 preview none Tencent 1 4.4 4/21 12.9s
#152 MiMo-V2-Flash none Xiaomi 1 4.6 4/21 2.76s
#143 MiMo-V2.5 none Xiaomi 1 4.9 5/21 2.20s
#140 Qwen3 Coder Next none Qwen 1 4.9 5/21 8.62s
#139 DeepSeek V4 Flash none DeepSeek 2 5.0 5/21 26.8s
#133 DeepSeek V3.2 none DeepSeek 2 5.2 6/21 13.8s
#127 Grok 4.20 none X AI 1 5.4 6/18 1.11s
#121 Owl Alpha none Openrouter 1 5.5 7/21 9.88s
#113 DeepSeek V4 Pro none DeepSeek 1 5.7 7/21 12.4s
#101 Mimo V2 Omni none Xiaomi 1 6.0 8/21 2.44s
#84 Grok 4.20 Multi Agent Beta medium X AI 2 6.6 8/18 9.69s
#80 Mimo V2 Omni medium Xiaomi 1 6.7 10/21 41.2s
#79 Hunter Alpha medium OpenRouter 1 6.7 8/18 10.3s

按 额外格式 次数 排名的顶级模型

额外格式 次数 对比 分数

按 响应时间(平均) 排名的顶级模型