AI BENCHY
AD
Track all your projects in one dashboard. Get 📊stats, 🔥heatmaps and 👀recordings in one self-hosted dashboard.
uxwizz.com

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: 测试正确 ↑.

显示的模型数

15

失败总数

1204

受影响最多的模型

Granite 4.1 8B 13
排名 模型 公司 答案错误 次数 分数 测试正确 响应时间(平均)
#145 Laguna M.1 none Poolside 10 4.8 4/19 2.89s
#149 Nemotron 3 Nano Omni 30b A3b Reasoning medium NVIDIA 7 4.6 4/19 17.1s
#129 MiniMax M2.5 medium Minimax 7 5.3 5/21 65.4s
#130 MiniMax M2.7 medium Minimax 6 5.3 5/21 38.2s
#132 Mistral Small 4 medium Mistral 12 5.3 5/21 9.40s
#137 Elephant Alpha none Openrouter 9 5.1 5/21 1.22s
#139 DeepSeek V4 Flash none DeepSeek 12 5.0 5/21 26.8s
#140 Qwen3 Coder Next none Qwen 14 4.9 5/21 8.62s
#141 Nemotron 3 Super none NVIDIA 14 4.9 5/21 5.30s
#142 Mistral Small 4 none Mistral 15 4.9 5/21 630ms
#143 MiMo-V2.5 none Xiaomi 14 4.9 5/21 2.20s
#144 GPT-5.4 Mini none OpenAI 13 4.9 5/21 1.13s
#147 GPT-4o-mini none OpenAI 15 4.8 5/21 1.77s
#146 Laguna Xs.2 none Poolside 8 4.8 5/19 806ms
#122 GLM 4.7 Flash none Z.ai 13 5.5 6/21 2.86s

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