AI BENCHY
Advertise 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: 响应时间(平均) ↑.

显示的模型数

15

失败总数

1204

受影响最多的模型

Mistral Small 4 15
排名 模型 公司 答案错误 次数 分数 测试正确 响应时间(平均)
#3 Gemini 3.5 Flash low Google 2 9.4 19/21 3.27s
#74 Qwen3.6 Max Preview none Qwen 10 6.9 11/21 3.30s
#117 Qwen3.5-35B-A3B none Qwen 12 5.6 7/21 3.37s
#131 Qwen3.5-122B-A10B none Qwen 13 5.3 6/21 3.41s
#68 Claude Opus 4.8 none Anthropic 4 7.0 12/21 3.47s
#108 Qwen3.5-Flash none Qwen 13 5.8 8/21 3.58s
#118 Qwen3.6 27B none Qwen 11 5.6 7/21 3.72s
#153 Qwen3.6 35B A3B none Qwen 13 4.6 4/21 3.73s
#40 Gemini 3.1 Flash Lite Preview medium Google 7 7.5 13/21 3.96s
#98 GLM 5 none Z.ai 12 6.1 9/21 4.03s
#85 Gemma 4 31B none Google 8 6.5 10/21 4.05s
#112 GLM 5.1 none Z.ai 13 5.7 7/21 4.10s
#114 Qwen3.5 Plus 2026-04-20 none Qwen 12 5.7 7/21 4.39s
#116 Hunter Alpha none OpenRouter 9 5.7 6/18 4.70s
#11 Claude Opus 4.7 medium Anthropic 3 8.7 17/21 4.73s

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