无答案失败排名 | AI BENCHY

看看哪些 AI 模型最常遇到无答案，让你在选择前先发现稳定性风险。排序方式: 测试正确 ↑.

显示的模型数

7

失败总数

87

受影响最多的模型

分类

在分类综合中29 在分类编程中18 在分类常识问答中13 在分类数据解析与提取中8 在分类领域专项中8 在分类反AI技巧中4 在分类谜题求解中3 在分类工具调用中2 在分类指令遵循中2

67/67

排名	模型	公司	无答案次数	分数	总成本	测试正确	响应时间（平均）
#38	GLM 5.2 medium	Z.ai	2	7.8	$0.222	15/21	23.3s
总测试数 21 错误测试数 6 总成本 $0.222 响应时间（平均） 23.3s
#42	GLM 5 medium	Z.ai	1	7.7	$0.307	15/21	33.5s
总测试数 21 错误测试数 6 总成本 $0.307 响应时间（平均） 33.5s
#33	Kimi K3 max	Moonshot AI	1	8.0	$3.112	16/22	122.5s
总测试数 22 错误测试数 6 总成本 $3.112 响应时间（平均） 122.5s
#41	Claude Opus 4.8 low	Anthropic	1	7.8	$2.077	16/22	12.7s
总测试数 22 错误测试数 6 总成本 $2.077 响应时间（平均） 12.7s
#12	Grok 4.5 high	X AI	2	8.9	$1.707	17/22	76.5s
总测试数 22 错误测试数 5 总成本 $1.707 响应时间（平均） 76.5s
#17	Claude Fable 5 medium	Anthropic	2	8.6	$3.478	17/22	17.2s
总测试数 22 错误测试数 5 总成本 $3.478 响应时间（平均） 17.2s
#14	Claude Opus 4.8 medium	Anthropic	1	8.8	$1.931	18/22	12.5s
总测试数 22 错误测试数 4 总成本 $1.931 响应时间（平均） 12.5s

←

1 2 3 4 5

按无答案次数排名的顶级模型

无答案次数对比分数

按响应时间（平均）排名的顶级模型