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: 失败次数 ↑.

显示的模型数

15

失败总数

572

受影响最多的模型

Gemini 3.1 Pro 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)
#31 GLM 5V Turbo medium Z.ai 3 7.8 11/18 15.0s
#33 GLM 5.1 medium Z.ai 3 7.8 12/18 24.1s
#35 MiMo-V2-Omni medium Xiaomi 3 7.7 11/18 16.8s
#41 MiMo-V2-Flash medium Xiaomi 3 7.5 11/18 23.4s
#42 Claude Sonnet 4.6 none Anthropic 3 7.4 11/18 4.98s
#47 Grok 4.20 medium X AI 3 7.0 9/18 10.3s
#51 Nemotron 3 Super medium NVIDIA 3 6.7 9/18 19.1s
#52 Grok 4.1 Fast medium X AI 3 6.7 9/18 23.9s
#56 Grok 4.20 Multi Agent Beta medium X AI 3 6.4 7/18 9.80s
#15 Gemini 2.5 Flash medium Google 4 8.2 13/18 12.1s
#17 Gemini 3.1 Flash Lite Preview medium Google 4 8.2 13/18 3.74s
#22 Gemini 3.1 Flash Lite Preview low Google 4 8.1 13/18 3.22s
#29 Gemini 3.1 Flash Lite Preview none Google 4 7.9 12/18 1.30s
#38 GPT-5.4 Nano medium OpenAI 4 7.6 11/18 11.2s
#44 GPT-5.4 Mini medium OpenAI 4 7.3 9/18 15.2s

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