答案错误失败排名 | AI BENCHY

AI BENCHY 失败分析

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

15

失败总数

572

受影响最多的模型

分类

在分类领域专项中182 在分类反AI技巧中165 在分类谜题求解中85 在分类指令遵循中44 在分类综合中37 在分类编程中28 在分类数据解析与提取中19 在分类通用智能中10 在分类工具调用中2

排名	模型	公司	答案错误次数	分数	测试正确	响应时间（平均）
#95	Grok 4.1 Fast none	X AI	13	4.5	3/18	1.76s
#55	MiMo-V2-Omni none	Xiaomi	8	6.5	8/18	1.99s
#89	GPT-4o-mini none	OpenAI	13	4.9	4/18	2.00s
#69	Kimi K2.6 none	Moonshot AI	8	5.8	7/18	2.05s
#54	Mercury 2 medium	Inception	6	6.5	8/18	2.21s
#65	MiMo-V2-Pro none	Xiaomi	9	6.0	7/18	2.39s
#61	Seed-2.0-Lite none	Bytedance Seed	10	6.2	8/18	2.53s
#49	Qwen3.5 Plus 2026-02-15 none	Qwen	9	6.8	9/18	2.60s
#94	MiMo-V2-Flash none	Xiaomi	12	4.5	3/18	2.79s
#77	GLM 5 Turbo none	Z.ai	10	5.5	6/18	2.94s
#58	GLM 5V Turbo none	Z.ai	8	6.2	8/18	3.10s
#4	Claude Opus 4.7 none	Anthropic	2	9.2	16/18	3.13s
#22	Gemini 3.1 Flash Lite Preview low	Google	4	8.1	13/18	3.22s
#59	Qwen3.5-Flash none	Qwen	9	6.2	8/18	3.25s
#74	GLM 4.7 Flash none	Z.ai	10	5.6	5/18	3.35s

←

1 2 3 4 5 6 7

→

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