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)
#10 Claude Opus 4.8 medium Anthropic 3 8.7 17/21 9.66s
#84 Grok 4.20 Multi Agent Beta medium X AI 4 6.6 8/18 9.69s
#13 Grok 4.20 Beta medium X AI 3 8.5 14/18 9.75s
#6 GPT-5.5 low OpenAI 3 9.0 18/21 9.76s
#121 Owl Alpha none Openrouter 10 5.5 7/21 9.88s
#20 Gemini 3.5 Flash none Google 3 8.1 15/21 9.93s
#79 Hunter Alpha medium OpenRouter 4 6.7 8/18 10.3s
#111 Owl Alpha medium Openrouter 10 5.7 8/21 11.9s
#70 GPT-5.4 Nano medium OpenAI 8 7.0 11/21 12.0s
#113 DeepSeek V4 Pro none DeepSeek 10 5.7 7/21 12.4s
#156 Hy3 preview none Tencent 8 4.4 4/21 12.9s
#135 Kimi K2.5 none Moonshot AI 15 5.2 6/21 13.2s
#124 Kimi K2.6 none Moonshot AI 11 5.5 7/21 13.3s
#133 DeepSeek V3.2 none DeepSeek 7 5.2 6/21 13.8s
#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