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: 响应时间（平均） ↓.

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）
#203	Grok 4.20 none	X AI	10	4.1	$0.057	6/18	1.11s
总测试数 18 错误测试数 12 总成本 $0.057 响应时间（平均） 1.11s
#195	Mercury 2 none	Inception	17	4.6	$0.030	4/22	829ms
总测试数 22 错误测试数 18 总成本 $0.030 响应时间（平均） 829ms
#211	Laguna Xs.2 none	Poolside	8	3.8	$0.004	5/19	806ms
总测试数 19 错误测试数 14 总成本 $0.004 响应时间（平均） 806ms
#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
#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

答案错误失败