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: 响应时间（平均） ↑.

显示的模型数

7

失败总数

126

受影响最多的模型

Laguna XS 2.1 1

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）
#162	LongCat 2.0 high	Meituan	2	0.7	$0.778	10/23	151.7s
总测试数 23 错误测试数 13 总成本 $0.778 响应时间（平均） 151.7s
#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
#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
#319	Step 3.5 Flash medium	Stepfun	1	0.5	$0.105	10/22	190.5s
总测试数 22 错误测试数 12 总成本 $0.105 响应时间（平均） 190.5s
#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
#146	Mistral Large 4 high	Mistral	1	0.8	$1.391	12/23	263.7s
总测试数 23 错误测试数 11 总成本 $1.391 响应时间（平均） 263.7s
#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

←

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