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: 分数 ↑.

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)
#68 gpt-oss-120b medium OpenAI 7 5.8 7/18 16.1s
#67 Qwen3.5-27B none Qwen 10 5.9 6/18 1.74s
#66 GPT-5.4 none OpenAI 10 5.9 7/18 1.51s
#65 MiMo-V2-Pro none Xiaomi 9 6.0 7/18 2.39s
#63 Qwen3.5-35B-A3B none Qwen 9 6.1 7/18 3.82s
#64 DeepSeek V3.2 none DeepSeek 8 6.1 7/18 12.1s
#62 Gemini 2.5 Flash none Google 10 6.2 7/18 903ms
#61 Seed-2.0-Lite none Bytedance Seed 10 6.2 8/18 2.53s
#60 Gemma 4 26B A4B none Google 7 6.2 7/18 6.59s
#59 Qwen3.5-Flash none Qwen 9 6.2 8/18 3.25s
#58 GLM 5V Turbo none Z.ai 8 6.2 8/18 3.10s
#57 GPT-5 Nano medium OpenAI 7 6.3 7/18 44.1s
#56 Grok 4.20 Multi Agent Beta medium X AI 3 6.4 7/18 9.80s
#55 MiMo-V2-Omni none Xiaomi 8 6.5 8/18 1.99s
#54 Mercury 2 medium Inception 6 6.5 8/18 2.21s

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