AI BENCHY
AD
Track all your projects in one dashboard. Get 📊stats, 🔥heatmaps and 👀recordings in one self-hosted dashboard.
uxwizz.com

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: 测试正确 ↑.

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)
#55 GLM 5.1 medium Z.ai 4 7.3 12/21 33.7s
#56 MiMo-V2.5 medium Xiaomi 5 7.3 12/21 27.1s
#57 Step 3.7 Flash low Stepfun 8 7.3 12/21 15.7s
#58 Gemini 3.1 Flash Lite Preview none Google 7 7.2 12/21 1.21s
#60 Kimi K2.6 medium Moonshot AI 3 7.2 12/21 71.7s
#61 Gemini 3.1 Flash Lite low Google 9 7.2 12/21 1.89s
#63 GPT-5.3 Chat none OpenAI 7 7.2 12/21 6.34s
#64 MiMo-V2-Flash medium Xiaomi 5 7.2 12/21 20.1s
#65 Grok 4.20 medium X AI 6 7.1 12/21 27.7s
#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
#30 Qwen3.5-27B medium Qwen 4 7.8 13/21 68.4s
#31 DeepSeek V4 Flash high DeepSeek 6 7.7 13/21 45.8s
#36 Qwen3.5 Plus 2026-04-20 medium Qwen 8 7.6 13/21 46.4s
#38 Grok 4.3 medium X AI 5 7.6 13/21 47.5s

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