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

15

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)
#11 Claude Opus 4.7 medium Anthropic 3 8.7 17/21 4.73s
#13 Grok 4.20 Beta medium X AI 3 8.5 14/18 9.75s
#17 GLM 5 medium Z.ai 3 8.3 15/21 33.5s
#20 Gemini 3.5 Flash none Google 3 8.1 15/21 9.93s
#33 Hy3 preview medium Tencent 3 7.7 14/21 16.3s
#35 Gemini 3 PRO Preview medium Google 3 7.6 14/21 9.05s
#37 Gemma 4 26B A4B medium Google 3 7.6 14/21 63.4s
#42 GPT-5.2 medium OpenAI 3 7.5 13/21 16.9s
#43 MiMo-V2.5-Pro medium Xiaomi 3 7.5 12/21 26.1s
#60 Kimi K2.6 medium Moonshot AI 3 7.2 12/21 71.7s
#67 MiniMax M3 medium Minimax 3 7.1 11/21 68.2s
#69 Claude Opus 4.6 medium Anthropic 3 7.0 12/21 25.9s
#82 Hy3 preview high Tencent 3 6.6 11/21 56.6s
#9 GPT-5.5 medium OpenAI 4 8.8 17/21 38.0s
#15 GPT-5.3-Codex medium OpenAI 4 8.4 15/21 16.2s

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