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: 分数 ↑.

显示的模型数

7

失败总数

126

受影响最多的模型

Xing4.0 29b A4b 6

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）
#65	GPT-5.2 medium	OpenAI	1	0.9	$1.558	15/23	31.3s
总测试数 23 错误测试数 8 总成本 $1.558 响应时间（平均） 31.3s
#61	Muse Spark Open medium	Meta	1	0.9	$1.260	15/23	77.4s
总测试数 23 错误测试数 8 总成本 $1.260 响应时间（平均） 77.4s
#44	Muse Spark Open xhigh	Meta	1	0.9	$2.081	16/23	92.4s
总测试数 23 错误测试数 7 总成本 $2.081 响应时间（平均） 92.4s
#36	Qwen3.8 Max (0902) high	Qwen	1	0.9	$3.306	18/23	186.1s
总测试数 23 错误测试数 5 总成本 $3.306 响应时间（平均） 186.1s
#30	Muse Spark Open high	Meta	2	0.9	$1.782	17/23	152.0s
总测试数 23 错误测试数 6 总成本 $1.782 响应时间（平均） 152.0s
#4	GPT-6.1 Sol max	OpenAI	1	1.0	$1.006	22/23	62.0s
总测试数 23 错误测试数 1 总成本 $1.006 响应时间（平均） 62.0s
#5	GPT-6 Astra max	OpenAI	1	1.0	$5.044	22/23	61.6s
总测试数 23 错误测试数 1 总成本 $5.044 响应时间（平均） 61.6s

←

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