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)
#7 Gemini 3.5 Flash medium Google 2 9.0 18/21 4.94s
#77 Claude Sonnet 4.6 none Anthropic 5 6.8 11/21 5.04s
#141 Nemotron 3 Super none NVIDIA 14 4.9 5/21 5.30s
#16 Gemini 3 Flash Preview low Google 5 8.4 16/21 5.76s
#102 Gemma 4 26B A4B none Google 10 6.0 8/21 5.91s
#63 GPT-5.3 Chat none OpenAI 7 7.2 12/21 6.34s
#107 Laguna Xs.2 medium Poolside 6 5.8 6/19 6.73s
#24 GPT-5.2 Chat none OpenAI 6 7.9 14/21 7.13s
#159 Ling-2.6-1T none Inclusionai 12 4.3 3/21 7.72s
#150 Qwen3 Coder Next medium Qwen 13 4.6 4/21 8.58s
#140 Qwen3 Coder Next none Qwen 14 4.9 5/21 8.62s
#2 Gemini 3.5 Flash high Google 1 9.6 20/21 8.84s
#35 Gemini 3 PRO Preview medium Google 3 7.6 14/21 9.05s
#138 Ling-2.6-flash none Inclusionai 9 5.0 6/21 9.34s
#132 Mistral Small 4 medium Mistral 12 5.3 5/21 9.40s

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