AI BENCHY
Your ad 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: 测试正确 ↑.

显示的模型数

15

失败总数

572

受影响最多的模型

LFM2-24B-A2B 9
排名 模型 公司 答案错误 次数 分数 测试正确 响应时间(平均)
#71 MiniMax M2.5 medium Minimax 5 5.7 5/18 39.6s
#73 Mistral Small 4 medium Mistral 8 5.7 5/18 5.64s
#74 GLM 4.7 Flash none Z.ai 10 5.6 5/18 3.35s
#75 GLM 5.1 none Z.ai 10 5.6 5/18 4.33s
#78 Trinity Large Preview none Arcee AI 11 5.3 5/18 5.07s
#81 Elephant medium Openrouter 9 5.2 5/18 1.27s
#82 Grok 4.20 none X AI 9 5.2 5/18 1.11s
#83 Mistral Small 4 none Mistral 11 5.2 5/18 665ms
#85 Elephant none Openrouter 9 5.2 5/18 1.23s
#86 GPT-5.4 Mini none OpenAI 10 5.1 5/18 1.17s
#67 Qwen3.5-27B none Qwen 10 5.9 6/18 1.74s
#70 Qwen3.5-122B-A10B none Qwen 11 5.7 6/18 3.69s
#72 Hunter Alpha none OpenRouter 9 5.7 6/18 4.58s
#76 Kimi K2.5 none Moonshot AI 12 5.5 6/18 13.4s
#77 GLM 5 Turbo none Z.ai 10 5.5 6/18 2.94s

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