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: 分数 ↑.

显示的模型数

失败总数

3172

受影响最多的模型

Solar Decide 5

分类

在分类领域专项中893 在分类反AI技巧中519 在分类编程中484 在分类谜题求解中352 在分类常识问答中315 在分类通用智能中134 在分类智能体任务中128 在分类综合中128 在分类指令遵循中117 在分类数据解析与提取中93

443/443

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）
#146	Space Bunny Alpha high	Stealth	10	0.8	$0.000	13/23	29.4s
总测试数 23 错误测试数 10 总成本 $0.000 响应时间（平均） 29.4s
#144	GPT-6 Luna low	OpenAI	7	0.8	$0.033	12/23	23.2s
总测试数 23 错误测试数 11 总成本 $0.033 响应时间（平均） 23.2s
#145	Qwen3.8 27B low	Qwen	5	0.8	~$0.089	15/23	46.6s
总测试数 23 错误测试数 8 总成本 ~$0.089 响应时间（平均） 46.6s
#143	Qwen3.8 Flash Next medium	Qwen	6	0.8	~$0.047	15/23	24.8s
总测试数 23 错误测试数 8 总成本 ~$0.047 响应时间（平均） 24.8s
#450	Nimble v3 9B default	Bespoke Labs	5	0.8	~$0.001	1/7	363ms
总测试数 7 错误测试数 6 总成本 ~$0.001 响应时间（平均） 363ms
#142	Muse Wonder xhigh	Meta	3	0.8	$4.012	14/23	34.4s
总测试数 23 错误测试数 9 总成本 $4.012 响应时间（平均） 34.4s
#141	Muse Glimmer 30B medium	Meta	9	0.8	$0.288	12/23	34.0s
总测试数 23 错误测试数 11 总成本 $0.288 响应时间（平均） 34.0s
#140	Qwen3.7 Flash low	Qwen	7	0.8	$0.071	12/23	41.0s
总测试数 23 错误测试数 11 总成本 $0.071 响应时间（平均） 41.0s
#139	Qwen3.5 Plus 2026-04-20 medium	Qwen	8	0.8	$0.435	14/23	54.1s
总测试数 23 错误测试数 9 总成本 $0.435 响应时间（平均） 54.1s
#138	Claude Haiku 5.5 medium	Anthropic	5	0.8	$0.063	13/23	7.71s
总测试数 23 错误测试数 10 总成本 $0.063 响应时间（平均） 7.71s
#137	Nemotron 3.5 Super VL medium	NVIDIA	4	0.8	$0.437	14/23	84.9s
总测试数 23 错误测试数 9 总成本 $0.437 响应时间（平均） 84.9s
#136	Muse Glimmer 30B high	Meta	7	0.8	$0.506	11/23	69.9s
总测试数 23 错误测试数 12 总成本 $0.506 响应时间（平均） 69.9s
#135	GPT-6 Luna high	OpenAI	6	0.8	$0.074	15/23	20.4s
总测试数 23 错误测试数 8 总成本 $0.074 响应时间（平均） 20.4s
#134	Muse Wonder high	Meta	2	0.8	$3.426	15/23	23.0s
总测试数 23 错误测试数 8 总成本 $3.426 响应时间（平均） 23.0s
#133	DeepSeek V4 Flash 0731 medium	DeepSeek	5	0.8	$0.460	12/23	94.2s
总测试数 23 错误测试数 11 总成本 $0.460 响应时间（平均） 94.2s

答案错误失败

筛选模型

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

答案错误 失败

筛选模型

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

答案错误失败

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