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

572

受影响最多的模型

LFM2-24B-A2B 9
排名 模型 公司 答案错误 次数 分数 测试正确 响应时间(平均)
#6 Seed-2.0-Lite medium Bytedance Seed 3 8.6 13/18 30.4s
#7 GPT-5.3-Codex medium OpenAI 3 8.6 13/18 15.4s
#10 Qwen3.5-27B medium Qwen 1 8.4 13/18 53.0s
#13 GLM 5 medium Z.ai 2 8.4 13/18 23.3s
#14 Gemma 4 31B medium Google 1 8.3 13/18 24.9s
#15 Gemini 2.5 Flash medium Google 4 8.2 13/18 12.1s
#16 GPT-5.4 medium OpenAI 3 8.2 13/18 18.6s
#17 Gemini 3.1 Flash Lite Preview medium Google 4 8.2 13/18 3.74s
#19 Qwen3.5-122B-A10B medium Qwen 3 8.1 13/18 31.4s
#20 Qwen3.6 Plus medium Qwen 3 8.1 13/18 15.3s
#21 Gemini 3 Flash Preview none Google 5 8.1 13/18 1.65s
#22 Gemini 3.1 Flash Lite Preview low Google 4 8.1 13/18 3.22s
#24 Gemma 4 26B A4B medium Google 2 8.0 13/18 25.0s
#26 Claude Sonnet 4.6 medium Anthropic 2 8.0 13/18 12.7s
#11 Gemini 3.1 Flash Lite Preview high Google 3 8.4 12/16 68.8s

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