答案错误失败排名 | AI BENCHY

AI BENCHY 失败分析

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

1204

受影响最多的模型

分类

在分类领域专项中314 在分类反AI技巧中245 在分类编程中194 在分类谜题求解中147 在分类常识问答中130 在分类指令遵循中53 在分类综合中52 在分类数据解析与提取中35 在分类通用智能中32 在分类工具调用中2

排名	模型	公司	答案错误次数	分数	测试正确	响应时间（平均）
#155	Mercury 2 none	Inception	16	4.5	4/21	653ms
#135	Kimi K2.5 none	Moonshot AI	15	5.2	6/21	13.2s
#142	Mistral Small 4 none	Mistral	15	4.9	5/21	630ms
#147	GPT-4o-mini none	OpenAI	15	4.8	5/21	1.77s
#148	GPT-5.4 Nano none	OpenAI	15	4.7	4/21	1.48s
#140	Qwen3 Coder Next none	Qwen	14	4.9	5/21	8.62s
#141	Nemotron 3 Super none	NVIDIA	14	4.9	5/21	5.30s
#143	MiMo-V2.5 none	Xiaomi	14	4.9	5/21	2.20s
#154	Qwen3.5-9B none	Qwen	14	4.6	4/21	1.89s
#108	Qwen3.5-Flash none	Qwen	13	5.8	8/21	3.58s
#110	Seed-2.0-Lite none	Bytedance Seed	13	5.8	8/21	2.49s
#112	GLM 5.1 none	Z.ai	13	5.7	7/21	4.10s
#122	GLM 4.7 Flash none	Z.ai	13	5.5	6/21	2.86s
#125	GPT-5.4 none	OpenAI	13	5.5	7/21	1.42s
#131	Qwen3.5-122B-A10B none	Qwen	13	5.3	6/21	3.41s

1 2 11

→

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