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: 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)
#40 Gemini 3.1 Flash Lite Preview medium Google 7 7.5 13/21 3.96s
#41 Nemotron 3 Ultra 550b A55b medium NVIDIA 7 7.5 13/21 15.1s
#42 GPT-5.2 medium OpenAI 3 7.5 13/21 16.9s
#44 Gemini 3.1 Flash Lite medium Google 7 7.5 13/21 3.23s
#46 Qwen3.6 35B A3B medium Qwen 4 7.4 13/21 18.1s
#47 Grok Build 0.1 medium X AI 5 7.4 13/21 49.9s
#48 Gemini 3 Flash Preview none Google 8 7.4 13/21 1.65s
#50 Gemini 3.1 Flash Lite Preview low Google 7 7.4 13/21 2.77s
#52 Claude Sonnet 4.6 medium Anthropic 4 7.4 13/21 17.1s
#19 Seed-2.0-Lite medium Bytedance Seed 5 8.2 14/21 47.1s
#21 GPT-5.4 medium OpenAI 5 8.0 14/21 22.3s
#22 Step 3.7 Flash medium Stepfun 5 8.0 14/21 20.4s
#23 GLM 5 Turbo medium Z.ai 4 8.0 14/21 23.0s
#24 GPT-5.2 Chat none OpenAI 6 7.9 14/21 7.13s
#25 Qwen3.5 Plus 2026-02-15 medium Qwen 4 7.9 14/21 73.8s

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