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: 测试正确 ↓.

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）
#209	Grok 4.1 Fast none	X AI	13	3.8	$0.008	3/19	1.62s
总测试数 19 错误测试数 16 总成本 $0.008 响应时间（平均） 1.62s
#210	Qwen3.5-9B medium	Qwen	2	3.8	$0.036	3/22	82.2s
总测试数 22 错误测试数 19 总成本 $0.036 响应时间（平均） 82.2s
#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
#207	Granite 4.1 8B none	IBM Granite	13	4.0	$0.007	2/22	1.45s
总测试数 22 错误测试数 20 总成本 $0.007 响应时间（平均） 1.45s

答案错误失败