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: 分数 ↑.

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)
#73 Seed-2.0-Mini medium Bytedance Seed 4 6.9 11/21 80.2s
#72 DeepSeek V3.2 medium DeepSeek 5 7.0 11/21 68.7s
#70 GPT-5.4 Nano medium OpenAI 8 7.0 11/21 12.0s
#71 Step 3.7 Flash high Stepfun 6 7.0 11/21 64.5s
#68 Claude Opus 4.8 none Anthropic 4 7.0 12/21 3.47s
#69 Claude Opus 4.6 medium Anthropic 3 7.0 12/21 25.9s
#67 MiniMax M3 medium Minimax 3 7.1 11/21 68.2s
#66 Qwen3.5-35B-A3B medium Qwen 2 7.1 11/21 72.6s
#65 Grok 4.20 medium X AI 6 7.1 12/21 27.7s
#64 MiMo-V2-Flash medium Xiaomi 5 7.2 12/21 20.1s
#63 GPT-5.3 Chat none OpenAI 7 7.2 12/21 6.34s
#62 Step 3.5 Flash medium Stepfun 4 7.2 11/20 72.5s
#61 Gemini 3.1 Flash Lite low Google 9 7.2 12/21 1.89s
#60 Kimi K2.6 medium Moonshot AI 3 7.2 12/21 71.7s
#59 GLM 5V Turbo medium Z.ai 7 7.2 11/21 23.1s

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