答案错误失败排名

AI BENCHY 失败分析

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

失败总数

572

受影响最多的模型

分类

在分类领域专项中182 在分类反AI技巧中165 在分类谜题求解中85 在分类指令遵循中44 在分类综合中37 在分类编程中28 在分类数据解析与提取中19 在分类通用智能中10 在分类工具调用中2

排名	模型	公司	答案错误次数	分数	测试正确	响应时间（平均）
#8	Qwen3.5 Plus 2026-02-15 medium	Qwen	2	8.5	14/18	46.6s
#10	Qwen3.5-27B medium	Qwen	1	8.4	13/18	53.0s
#32	Qwen3.5-Flash medium	Qwen	1	7.8	11/18	66.7s
#11	Gemini 3.1 Flash Lite Preview high	Google	3	8.4	12/16	68.8s
#39	Seed-2.0-Mini medium	Bytedance Seed	2	7.5	11/18	69.7s
#46	Kimi K2.5 medium	Moonshot AI	4	7.0	9/18	72.4s
#97	Qwen3.5-9B medium	Qwen	1	4.4	3/18	73.6s

←

1 2 3 4 5 6 7

答案错误失败