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: 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)
#78 Qwen3.6 27B medium Qwen 6 6.8 10/21 59.7s
#107 Laguna Xs.2 medium Poolside 6 5.8 6/19 6.73s
#130 MiniMax M2.7 medium Minimax 6 5.3 5/21 38.2s
#34 Qwen3.7 Max none Qwen 7 7.7 14/21 1.30s
#40 Gemini 3.1 Flash Lite Preview medium Google 7 7.5 13/21 3.96s
#41 Nemotron 3 Ultra 550b A55b medium NVIDIA 7 7.5 13/21 15.1s
#44 Gemini 3.1 Flash Lite medium Google 7 7.5 13/21 3.23s
#50 Gemini 3.1 Flash Lite Preview low Google 7 7.4 13/21 2.77s
#58 Gemini 3.1 Flash Lite Preview none Google 7 7.2 12/21 1.21s
#59 GLM 5V Turbo medium Z.ai 7 7.2 11/21 23.1s
#63 GPT-5.3 Chat none OpenAI 7 7.2 12/21 6.34s
#100 Grok Build 0.1 none X AI 7 6.0 7/19 28.7s
#129 MiniMax M2.5 medium Minimax 7 5.3 5/21 65.4s
#133 DeepSeek V3.2 none DeepSeek 7 5.2 6/21 13.8s
#149 Nemotron 3 Nano Omni 30b A3b Reasoning medium NVIDIA 7 4.6 4/19 17.1s

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