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)
#58 Gemini 3.1 Flash Lite Preview none Google 7 7.2 12/21 1.21s
#57 Step 3.7 Flash low Stepfun 8 7.3 12/21 15.7s
#56 MiMo-V2.5 medium Xiaomi 5 7.3 12/21 27.1s
#55 GLM 5.1 medium Z.ai 4 7.3 12/21 33.7s
#54 GPT-5 Mini medium OpenAI 5 7.3 12/21 23.6s
#53 Gemini 3.1 Flash Lite high Google 4 7.3 10/18 62.0s
#52 Claude Sonnet 4.6 medium Anthropic 4 7.4 13/21 17.1s
#51 Mimo V2 PRO medium Xiaomi 5 7.4 12/21 22.2s
#50 Gemini 3.1 Flash Lite Preview low Google 7 7.4 13/21 2.77s
#49 Qwen3.5-Flash medium Qwen 4 7.4 12/21 63.3s
#48 Gemini 3 Flash Preview none Google 8 7.4 13/21 1.65s
#47 Grok Build 0.1 medium X AI 5 7.4 13/21 49.9s
#46 Qwen3.6 35B A3B medium Qwen 4 7.4 13/21 18.1s
#45 GPT-5.4 Mini medium OpenAI 6 7.5 12/21 22.3s
#44 Gemini 3.1 Flash Lite medium Google 7 7.5 13/21 3.23s

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