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

1204

受影响最多的模型

Granite 4.1 8B 13
排名 模型 公司 答案错误 次数 分数 测试正确 响应时间(平均)
#118 Qwen3.6 27B none Qwen 11 5.6 7/21 3.72s
#117 Qwen3.5-35B-A3B none Qwen 12 5.6 7/21 3.37s
#116 Hunter Alpha none OpenRouter 9 5.7 6/18 4.70s
#115 Qwen3.5-27B none Qwen 12 5.7 7/21 1.68s
#114 Qwen3.5 Plus 2026-04-20 none Qwen 12 5.7 7/21 4.39s
#113 DeepSeek V4 Pro none DeepSeek 10 5.7 7/21 12.4s
#112 GLM 5.1 none Z.ai 13 5.7 7/21 4.10s
#111 Owl Alpha medium Openrouter 10 5.7 8/21 11.9s
#110 Seed-2.0-Lite none Bytedance Seed 13 5.8 8/21 2.49s
#109 GLM 5V Turbo none Z.ai 11 5.8 8/21 2.99s
#108 Qwen3.5-Flash none Qwen 13 5.8 8/21 3.58s
#107 Laguna Xs.2 medium Poolside 6 5.8 6/19 6.73s
#106 Grok 4.20 Beta none X AI 10 5.8 6/18 1.19s
#105 Nemotron 3 Super medium NVIDIA 5 5.8 8/21 32.0s
#104 Nemotron 3 Ultra 550b A55b none NVIDIA 12 6.0 8/21 2.27s

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