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

答案错误 失败

看看哪些 AI 模型最常遇到 答案错误,让你在选择前先发现稳定性风险。

显示的模型数

15

失败总数

572

受影响最多的模型

GPT-4o-mini 13
排名 模型 公司 答案错误 次数 分数 测试正确 响应时间(平均)
#89 GPT-4o-mini none OpenAI 13 4.9 4/18 2.00s
#91 Mercury 2 none Inception 13 4.8 4/18 613ms
#95 Grok 4.1 Fast none X AI 13 4.5 3/18 1.76s
#96 GPT-5.4 Nano none OpenAI 13 4.5 2/18 1.40s
#76 Kimi K2.5 none Moonshot AI 12 5.5 6/18 13.4s
#87 Qwen3 Coder Next none Qwen 12 5.1 4/18 10.2s
#94 MiMo-V2-Flash none Xiaomi 12 4.5 3/18 2.79s
#70 Qwen3.5-122B-A10B none Qwen 11 5.7 6/18 3.69s
#78 Trinity Large Preview none Arcee AI 11 5.3 5/18 5.07s
#83 Mistral Small 4 none Mistral 11 5.2 5/18 665ms
#61 Seed-2.0-Lite none Bytedance Seed 10 6.2 8/18 2.53s
#62 Gemini 2.5 Flash none Google 10 6.2 7/18 903ms
#66 GPT-5.4 none OpenAI 10 5.9 7/18 1.51s
#67 Qwen3.5-27B none Qwen 10 5.9 6/18 1.74s
#74 GLM 4.7 Flash none Z.ai 10 5.6 5/18 3.35s

按 答案错误 次数 排名的顶级模型

答案错误 次数 对比 分数

按 响应时间(平均) 排名的顶级模型