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: 响应时间(平均) ↑.

显示的模型数

15

失败总数

572

受影响最多的模型

Mercury 2 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)
#52 Grok 4.1 Fast medium X AI 3 6.7 9/18 23.9s
#45 GPT-5 Mini medium OpenAI 4 7.0 9/18 24.0s
#33 GLM 5.1 medium Z.ai 3 7.8 12/18 24.1s
#14 Gemma 4 31B medium Google 1 8.3 13/18 24.9s
#24 Gemma 4 26B A4B medium Google 2 8.0 13/18 25.0s
#30 Step 3.5 Flash medium Stepfun 3 7.9 11/17 26.8s
#6 Seed-2.0-Lite medium Bytedance Seed 3 8.6 13/18 30.4s
#80 MiniMax M2.7 medium Minimax 5 5.3 4/18 31.1s
#19 Qwen3.5-122B-A10B medium Qwen 3 8.1 13/18 31.4s
#93 GLM 4.7 Flash medium Z.ai 8 4.6 4/18 32.3s
#71 MiniMax M2.5 medium Minimax 5 5.7 5/18 39.6s
#57 GPT-5 Nano medium OpenAI 7 6.3 7/18 44.1s
#43 Qwen3.5-35B-A3B medium Qwen 2 7.4 10/18 44.5s
#34 Kimi K2.6 medium Moonshot AI 2 7.7 11/18 45.2s
#27 DeepSeek V3.2 medium DeepSeek 3 8.0 12/18 46.4s

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