AI BENCHY
Your ad 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

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)
#61 Seed-2.0-Lite none Bytedance Seed 10 6.2 8/18 2.53s
#44 GPT-5.4 Mini medium OpenAI 4 7.3 9/18 15.2s
#45 GPT-5 Mini medium OpenAI 4 7.0 9/18 24.0s
#46 Kimi K2.5 medium Moonshot AI 4 7.0 9/18 72.4s
#47 Grok 4.20 medium X AI 3 7.0 9/18 10.3s
#49 Qwen3.5 Plus 2026-02-15 none Qwen 9 6.8 9/18 2.60s
#51 Nemotron 3 Super medium NVIDIA 3 6.7 9/18 19.1s
#52 Grok 4.1 Fast medium X AI 3 6.7 9/18 23.9s
#53 GLM 5 none Z.ai 9 6.6 9/18 4.23s
#43 Qwen3.5-35B-A3B medium Qwen 2 7.4 10/18 44.5s
#48 Gemma 4 31B none Google 5 6.9 10/18 4.02s
#31 GLM 5V Turbo medium Z.ai 3 7.8 11/18 15.0s
#32 Qwen3.5-Flash medium Qwen 1 7.8 11/18 66.7s
#34 Kimi K2.6 medium Moonshot AI 2 7.7 11/18 45.2s
#35 MiMo-V2-Omni medium Xiaomi 3 7.7 11/18 16.8s

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