答案错误失败排名

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

失败总数

1585

受影响最多的模型

分类

在分类领域专项中421 在分类反AI技巧中293 在分类编程中259 在分类谜题求解中204 在分类常识问答中172 在分类综合中69 在分类通用智能中62 在分类指令遵循中61 在分类数据解析与提取中41 在分类工具调用中3

215/215

排名	模型	公司	答案错误次数	分数	总成本	测试正确	响应时间（平均）
#180	GPT-4o-mini none	OpenAI	15	5.0	$0.010	5/22	1.99s
总测试数 22 错误测试数 17 总成本 $0.010 响应时间（平均） 1.99s
#183	Nemotron 3 Super none	NVIDIA	15	4.9	$0.008	5/22	5.97s
总测试数 22 错误测试数 17 总成本 $0.008 响应时间（平均） 5.97s
#186	GPT-5.4 Nano none	OpenAI	15	4.8	$0.041	4/22	2.57s
总测试数 22 错误测试数 18 总成本 $0.041 响应时间（平均） 2.57s
#171	Mistral Small 4 none	Mistral	16	5.1	$0.022	5/22	1.20s
总测试数 22 错误测试数 17 总成本 $0.022 响应时间（平均） 1.20s
#195	Mercury 2 none	Inception	17	4.6	$0.030	4/22	829ms
总测试数 22 错误测试数 18 总成本 $0.030 响应时间（平均） 829ms

答案错误失败