AI BENCHY
Advertise here

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。 排序方式: 失败次数 ↑.

显示的模型数

13

失败总数

1204

受影响最多的模型

Gemini 3 Flash Preview 1
排名 模型 公司 答案错误 次数 分数 测试正确 响应时间(平均)
#152 MiMo-V2-Flash none Xiaomi 13 4.6 4/21 2.76s
#153 Qwen3.6 35B A3B none Qwen 13 4.6 4/21 3.73s
#157 Grok 4.1 Fast none X AI 13 4.4 3/19 1.62s
#163 Granite 4.1 8B none IBM Granite 13 4.0 2/21 728ms
#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
#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
#155 Mercury 2 none Inception 16 4.5 4/21 653ms

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