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: 失败次数 ↑.

显示的模型数

15

失败总数

1204

受影响最多的模型

Gemini 3 Flash Preview 1
排名 模型 公司 答案错误 次数 分数 测试正确 响应时间(平均)
#56 MiMo-V2.5 medium Xiaomi 5 7.3 12/21 27.1s
#64 MiMo-V2-Flash medium Xiaomi 5 7.2 12/21 20.1s
#72 DeepSeek V3.2 medium DeepSeek 5 7.0 11/21 68.7s
#76 Kimi K2.5 medium Moonshot AI 5 6.8 10/21 98.4s
#77 Claude Sonnet 4.6 none Anthropic 5 6.8 11/21 5.04s
#80 Mimo V2 Omni medium Xiaomi 5 6.7 10/21 41.2s
#96 Ring-2.6-1T none Inclusionai 5 6.2 9/21 55.1s
#105 Nemotron 3 Super medium NVIDIA 5 5.8 8/21 32.0s
#24 GPT-5.2 Chat none OpenAI 6 7.9 14/21 7.13s
#28 Gemini 2.5 Flash medium Google 6 7.8 14/21 15.5s
#31 DeepSeek V4 Flash high DeepSeek 6 7.7 13/21 45.8s
#45 GPT-5.4 Mini medium OpenAI 6 7.5 12/21 22.3s
#65 Grok 4.20 medium X AI 6 7.1 12/21 27.7s
#71 Step 3.7 Flash high Stepfun 6 7.0 11/21 64.5s
#75 Ring-2.6-1T medium Inclusionai 6 6.9 11/21 61.3s

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