AI BENCHY
AD
Track all your projects in one dashboard. Get 📊stats, 🔥heatmaps and 👀recordings in one self-hosted dashboard.
uxwizz.com

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: 响应时间(平均) ↑.

显示的模型数

15

失败总数

23

受影响最多的模型

Grok 4.20 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)
#82 Grok 4.20 none X AI 1 5.2 5/18 1.11s
#94 MiMo-V2-Flash none Xiaomi 1 4.5 3/18 2.79s
#42 Claude Sonnet 4.6 none Anthropic 3 7.4 11/18 4.98s
#56 Grok 4.20 Multi Agent Beta medium X AI 2 6.4 7/18 9.80s
#87 Qwen3 Coder Next none Qwen 1 5.1 4/18 10.2s
#47 Grok 4.20 medium X AI 1 7.0 9/18 10.3s
#50 Hunter Alpha medium OpenRouter 1 6.7 8/18 10.3s
#64 DeepSeek V3.2 none DeepSeek 2 6.1 7/18 12.1s
#23 MiMo-V2-Pro medium Xiaomi 1 8.1 12/18 12.3s
#26 Claude Sonnet 4.6 medium Anthropic 2 8.0 13/18 12.7s
#35 MiMo-V2-Omni medium Xiaomi 1 7.7 11/18 16.8s
#37 Claude Opus 4.6 medium Anthropic 4 7.6 12/18 21.1s
#41 MiMo-V2-Flash medium Xiaomi 1 7.5 11/18 23.4s
#10 Qwen3.5-27B medium Qwen 1 8.4 13/18 53.0s
#97 Qwen3.5-9B medium Qwen 1 4.4 3/18 73.6s

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