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: 失败次数 ↑.

显示的模型数

15

失败总数

1204

受影响最多的模型

Gemini 3 Flash Preview 1
排名 模型 公司 答案错误 次数 分数 测试正确 响应时间(平均)
#127 Grok 4.20 none X AI 10 5.4 6/18 1.11s
#145 Laguna M.1 none Poolside 10 4.8 4/19 2.89s
#90 Gemini 3.1 Flash Lite none Google 11 6.4 9/21 1.06s
#91 GPT-5.5 none OpenAI 11 6.4 10/21 1.89s
#109 GLM 5V Turbo none Z.ai 11 5.8 8/21 2.99s
#118 Qwen3.6 27B none Qwen 11 5.6 7/21 3.72s
#120 Mimo V2 PRO none Xiaomi 11 5.6 7/21 2.27s
#123 MiMo-V2.5-Pro none Xiaomi 11 5.5 6/21 1.78s
#124 Kimi K2.6 none Moonshot AI 11 5.5 7/21 13.3s
#95 Qwen3.5 Plus 2026-02-15 none Qwen 12 6.3 9/21 2.31s
#97 Gemini 2.5 Flash none Google 12 6.2 9/21 875ms
#98 GLM 5 none Z.ai 12 6.1 9/21 4.03s
#104 Nemotron 3 Ultra 550b A55b none NVIDIA 12 6.0 8/21 2.27s
#114 Qwen3.5 Plus 2026-04-20 none Qwen 12 5.7 7/21 4.39s
#115 Qwen3.5-27B none Qwen 12 5.7 7/21 1.68s

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