超时失败排名 | AI BENCHY

看看哪些 AI 模型最常遇到超时，让你在选择前先发现稳定性风险。排序方式: 失败次数 ↑.

显示的模型数

7

失败总数

126

受影响最多的模型

分类

在分类领域专项中46 在分类编程中26 在分类智能体任务中11 在分类综合中11 在分类谜题求解中11 在分类反AI技巧中8 在分类指令遵循中5 在分类通用智能中4 在分类常识问答中2 在分类数据解析与提取中2

67/67

排名	模型	公司	超时次数	分数	总成本	测试正确	响应时间（平均）
#380	Granite 4.2 8B none	IBM Granite	3	0.4	$0.037	3/23	84.7s
总测试数 23 错误测试数 20 总成本 $0.037 响应时间（平均） 84.7s
#145	Seed-2.0-Mini medium	Bytedance Seed	4	0.8	$0.140	12/23	91.7s
总测试数 23 错误测试数 11 总成本 $0.140 响应时间（平均） 91.7s
#272	Granite 4.2 8B medium	IBM Granite	4	0.6	$0.029	8/23	50.5s
总测试数 23 错误测试数 15 总成本 $0.029 响应时间（平均） 50.5s
#384	MiniMax M2.5 medium	Minimax	5	0.4	$0.440	5/23	102.3s
总测试数 23 错误测试数 18 总成本 $0.440 响应时间（平均） 102.3s
#398	Xing4.0 29b A4b medium	Xingchen AGI	6	0.4	$0.000	1/23	371.7s
总测试数 23 错误测试数 22 总成本 $0.000 响应时间（平均） 371.7s
#362	Granite 4.2 8B high	IBM Granite	10	0.5	$0.111	4/23	235.4s
总测试数 23 错误测试数 19 总成本 $0.111 响应时间（平均） 235.4s
#390	Qwen3.5-9B medium	Qwen	11	0.4	$0.106	3/23	110.2s
总测试数 23 错误测试数 20 总成本 $0.106 响应时间（平均） 110.2s

←

1 2 3 4 5

按超时次数排名的顶级模型

超时次数对比分数

按响应时间（平均）排名的顶级模型