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: 测试正确 ↑.

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）
#9	Qwen3.6 Plus Preview medium	Qwen	3	8.5	13/17	13.9s
#8	Qwen3.5 Plus 2026-02-15 medium	Qwen	2	8.5	14/18	46.6s
#12	Gemini 3 PRO Preview medium	Google	3	8.4	14/18	9.06s
#5	Gemini 3 Flash Preview low	Google	3	8.8	15/18	6.01s
#3	Claude Opus 4.7 medium	Anthropic	1	9.2	16/18	3.53s
#4	Claude Opus 4.7 none	Anthropic	2	9.2	16/18	3.13s
#2	Gemini 3.1 Pro Preview medium	Google	1	9.6	17/18	16.0s

←

1 2 3 4 5 6 7

答案错误失败