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: 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)
#36 Qwen3.5 Plus 2026-04-20 medium Qwen 8 7.6 13/21 46.4s
#39 Qwen3.6 Flash medium Qwen 8 7.5 12/21 19.2s
#48 Gemini 3 Flash Preview none Google 8 7.4 13/21 1.65s
#57 Step 3.7 Flash low Stepfun 8 7.3 12/21 15.7s
#70 GPT-5.4 Nano medium OpenAI 8 7.0 11/21 12.0s
#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
#126 gpt-oss-120b none OpenAI 8 5.4 6/19 21.6s
#146 Laguna Xs.2 none Poolside 8 4.8 5/19 806ms
#156 Hy3 preview none Tencent 8 4.4 4/21 12.9s
#61 Gemini 3.1 Flash Lite low Google 9 7.2 12/21 1.89s
#94 GPT-5 Nano medium OpenAI 9 6.3 9/21 42.5s
#99 gpt-oss-120b medium OpenAI 9 6.1 9/21 22.3s
#116 Hunter Alpha none OpenRouter 9 5.7 6/18 4.70s

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