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: 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)
#1 Gemini 3 Flash Preview medium Google 1 9.8 20/21 18.6s
#2 Gemini 3.5 Flash high Google 1 9.6 20/21 8.84s
#83 Step 3.5 Flash none Stepfun 1 6.6 6/12 39.0s
#3 Gemini 3.5 Flash low Google 2 9.4 19/21 3.27s
#4 Gemini 3.1 Pro Preview medium Google 2 9.4 19/21 20.1s
#7 Gemini 3.5 Flash medium Google 2 9.0 18/21 4.94s
#12 Gemini 3.1 Flash Lite Preview high Google 2 8.6 13/16 68.1s
#27 Gemma 4 31B medium Google 2 7.8 14/21 56.5s
#66 Qwen3.5-35B-A3B medium Qwen 2 7.1 11/21 72.6s
#93 Qwen3.6 Plus Preview medium Qwen 2 6.3 9/19 15.2s
#161 Qwen3.5-9B medium Qwen 2 4.2 3/21 82.2s
#5 Qwen3.7 Max medium Qwen 3 9.1 18/21 16.0s
#6 GPT-5.5 low OpenAI 3 9.0 18/21 9.76s
#8 Claude Opus 4.7 none Anthropic 3 8.9 16/19 3.02s
#10 Claude Opus 4.8 medium Anthropic 3 8.7 17/21 9.66s

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