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: 测试正确 ↑.

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)
#117 Qwen3.5-35B-A3B none Qwen 12 5.6 7/21 3.37s
#118 Qwen3.6 27B none Qwen 11 5.6 7/21 3.72s
#119 Cobuddy medium Baidu 9 5.6 7/21 39.9s
#120 Mimo V2 PRO none Xiaomi 11 5.6 7/21 2.27s
#121 Owl Alpha none Openrouter 10 5.5 7/21 9.88s
#124 Kimi K2.6 none Moonshot AI 11 5.5 7/21 13.3s
#125 GPT-5.4 none OpenAI 13 5.5 7/21 1.42s
#127 Grok 4.20 none X AI 10 5.4 6/18 1.11s
#128 Qwen3.6 Flash none Qwen 12 5.4 7/21 1.60s
#100 Grok Build 0.1 none X AI 7 6.0 7/19 28.7s
#101 Mimo V2 Omni none Xiaomi 10 6.0 8/21 2.44s
#102 Gemma 4 26B A4B none Google 10 6.0 8/21 5.91s
#103 DeepSeek V4 Pro high DeepSeek 4 6.0 8/21 65.2s
#104 Nemotron 3 Ultra 550b A55b none NVIDIA 12 6.0 8/21 2.27s
#105 Nemotron 3 Super medium NVIDIA 5 5.8 8/21 32.0s

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