答案错误失败排名

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

失败总数

1585

受影响最多的模型

分类

在分类领域专项中421 在分类反AI技巧中293 在分类编程中259 在分类谜题求解中204 在分类常识问答中172 在分类综合中69 在分类通用智能中62 在分类指令遵循中61 在分类数据解析与提取中41 在分类工具调用中3

215/215

排名	模型	公司	答案错误次数	分数	总成本	测试正确	响应时间（平均）
#212	gpt-oss-120b none	OpenAI	8	3.7	$0.010	6/19	21.6s
总测试数 19 错误测试数 13 总成本 $0.010 响应时间（平均） 21.6s
#213	Nemotron 3 Nano Omni 30b A3b Reasoning medium	NVIDIA	7	3.4	$0.000	4/19	17.1s
总测试数 19 错误测试数 15 总成本 $0.000 响应时间（平均） 17.1s
#214	Nemotron 3 Nano Omni 30b A3b Reasoning none	NVIDIA	9	3.2	$0.000	2/19	728ms
总测试数 19 错误测试数 17 总成本 $0.000 响应时间（平均） 728ms
#215	Step 3.5 Flash none	Stepfun	1	2.3	$0.020	6/12	39.0s
总测试数 12 错误测试数 6 总成本 $0.020 响应时间（平均） 39.0s
#216	LFM2-24B-A2B none	Liquid	9	2.2	$0.001	2/16	782ms
总测试数 16 错误测试数 14 总成本 $0.001 响应时间（平均） 782ms

答案错误失败