AI BENCHY
AD
Track all your projects in one dashboard. Get 📊stats, 🔥heatmaps and 👀recordings in one self-hosted dashboard.
uxwizz.com

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)
#108 Qwen3.5-Flash none Qwen 13 5.8 8/21 3.58s
#109 GLM 5V Turbo none Z.ai 11 5.8 8/21 2.99s
#110 Seed-2.0-Lite none Bytedance Seed 13 5.8 8/21 2.49s
#111 Owl Alpha medium Openrouter 10 5.7 8/21 11.9s
#90 Gemini 3.1 Flash Lite none Google 11 6.4 9/21 1.06s
#94 GPT-5 Nano medium OpenAI 9 6.3 9/21 42.5s
#95 Qwen3.5 Plus 2026-02-15 none Qwen 12 6.3 9/21 2.31s
#96 Ring-2.6-1T none Inclusionai 5 6.2 9/21 55.1s
#97 Gemini 2.5 Flash none Google 12 6.2 9/21 875ms
#98 GLM 5 none Z.ai 12 6.1 9/21 4.03s
#99 gpt-oss-120b medium OpenAI 9 6.1 9/21 22.3s
#79 Hunter Alpha medium OpenRouter 4 6.7 8/18 10.3s
#84 Grok 4.20 Multi Agent Beta medium X AI 4 6.6 8/18 9.69s
#86 Grok 4.1 Fast medium X AI 4 6.5 9/19 23.8s
#92 Laguna M.1 medium Poolside 4 6.4 9/19 14.7s

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