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: 测试正确 ↑.

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）
#10	Gemini 3.1 Pro Preview medium	Google	2	9.2	$1.361	20/22	21.5s
总测试数 22 错误测试数 2 总成本 $1.361 响应时间（平均） 21.5s
#1	Gemini 3.6 Flash medium	Google	1	9.9	$0.831	21/22	10.1s
总测试数 22 错误测试数 1 总成本 $0.831 响应时间（平均） 10.1s
#2	Gemini 3.6 Flash high	Google	1	9.7	$1.785	21/22	14.9s
总测试数 22 错误测试数 1 总成本 $1.785 响应时间（平均） 14.9s
#3	Gemini 3 Flash Preview medium	Google	1	9.6	$0.742	21/22	19.2s
总测试数 22 错误测试数 1 总成本 $0.742 响应时间（平均） 19.2s
#6	Gemini 3.6 Flash low	Google	1	9.4	$0.517	21/22	4.42s
总测试数 22 错误测试数 1 总成本 $0.517 响应时间（平均） 4.42s

答案错误失败