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: 响应时间（平均） ↑.

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）
#64	LongCat 2.0 medium	Meituan	7	7.4	$0.478	12/22	136.6s
总测试数 22 错误测试数 10 总成本 $0.478 响应时间（平均） 136.6s
#143	North Mini Code medium	Cohere	9	5.9	$0.000	9/22	137.1s
总测试数 22 错误测试数 13 总成本 $0.000 响应时间（平均） 137.1s
#200	GLM 4.7 Flash medium	Z.ai	9	4.3	$0.166	4/22	142.6s
总测试数 22 错误测试数 18 总成本 $0.166 响应时间（平均） 142.6s
#102	LongCat 2.0 high	Meituan	6	6.6	$0.469	9/22	148.7s
总测试数 22 错误测试数 13 总成本 $0.469 响应时间（平均） 148.7s
#136	Step 3.5 Flash medium	Stepfun	4	6.0	$0.108	11/21	174.2s
总测试数 21 错误测试数 10 总成本 $0.108 响应时间（平均） 174.2s

答案错误失败