答案错误失败排名 | AI BENCHY

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: 响应时间（平均） ↑.

显示的模型数

8

失败总数

3172

受影响最多的模型

Decider V1.1 27B 8

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）
#43	Seed 2.1 Turbo high	Bytedance Seed	4	0.9	$1.892	17/23	170.5s
总测试数 23 错误测试数 6 总成本 $1.892 响应时间（平均） 170.5s
#37	Qwen3.8 Max (0902) high	Qwen	2	0.9	$3.306	18/23	186.1s
总测试数 23 错误测试数 5 总成本 $3.306 响应时间（平均） 186.1s
#69	Seed 2.1 Turbo medium	Bytedance Seed	5	0.9	$2.042	16/23	189.1s
总测试数 23 错误测试数 7 总成本 $2.042 响应时间（平均） 189.1s
#328	Step 3.5 Flash medium	Stepfun	6	0.5	$0.105	10/22	190.5s
总测试数 22 错误测试数 12 总成本 $0.105 响应时间（平均） 190.5s
#326	Hy4 preview low	Tencent	13	0.5	$1.844	3/23	207.2s
总测试数 23 错误测试数 20 总成本 $1.844 响应时间（平均） 207.2s
#371	Granite 4.2 8B high	IBM Granite	7	0.5	$0.111	4/23	235.4s
总测试数 23 错误测试数 19 总成本 $0.111 响应时间（平均） 235.4s
#149	Mistral Large 4 high	Mistral	6	0.8	$1.391	12/23	263.7s
总测试数 23 错误测试数 11 总成本 $1.391 响应时间（平均） 263.7s
#407	Xing4.0 29b A4b medium	Xingchen AGI	9	0.4	$0.000	1/23	371.7s
总测试数 23 错误测试数 22 总成本 $0.000 响应时间（平均） 371.7s

←

1 29 30

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