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: 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)
#93 Qwen3.6 Plus Preview medium Qwen 2 6.3 9/19 15.2s
#76 Kimi K2.5 medium Moonshot AI 5 6.8 10/21 98.4s
#78 Qwen3.6 27B medium Qwen 6 6.8 10/21 59.7s
#80 Mimo V2 Omni medium Xiaomi 5 6.7 10/21 41.2s
#81 Mercury 2 medium Inception 8 6.6 10/21 2.24s
#85 Gemma 4 31B none Google 8 6.5 10/21 4.05s
#87 Gemini 3.1 Flash Lite minimal Google 8 6.4 10/21 1.33s
#88 Qwen3.7 Plus none Qwen 10 6.4 10/21 2.85s
#89 Hy3 preview low Tencent 4 6.4 10/21 24.6s
#91 GPT-5.5 none OpenAI 11 6.4 10/21 1.89s
#83 Step 3.5 Flash none Stepfun 1 6.6 6/12 39.0s
#59 GLM 5V Turbo medium Z.ai 7 7.2 11/21 23.1s
#66 Qwen3.5-35B-A3B medium Qwen 2 7.1 11/21 72.6s
#67 MiniMax M3 medium Minimax 3 7.1 11/21 68.2s
#70 GPT-5.4 Nano medium OpenAI 8 7.0 11/21 12.0s

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