AI BENCHY
Your ad 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: 分数 ↓.

显示的模型数

15

失败总数

572

受影响最多的模型

Gemini 3.1 Pro 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)
#17 Gemini 3.1 Flash Lite Preview medium Google 4 8.2 13/18 3.74s
#18 GLM 5 Turbo medium Z.ai 3 8.1 12/18 17.7s
#19 Qwen3.5-122B-A10B medium Qwen 3 8.1 13/18 31.4s
#20 Qwen3.6 Plus medium Qwen 3 8.1 13/18 15.3s
#21 Gemini 3 Flash Preview none Google 5 8.1 13/18 1.65s
#22 Gemini 3.1 Flash Lite Preview low Google 4 8.1 13/18 3.22s
#23 MiMo-V2-Pro medium Xiaomi 3 8.1 12/18 12.3s
#24 Gemma 4 26B A4B medium Google 2 8.0 13/18 25.0s
#25 Grok 4.20 Beta medium X AI 3 8.0 12/18 9.81s
#26 Claude Sonnet 4.6 medium Anthropic 2 8.0 13/18 12.7s
#27 DeepSeek V3.2 medium DeepSeek 3 8.0 12/18 46.4s
#28 GPT-5.2 Chat none OpenAI 5 7.9 12/18 6.84s
#29 Gemini 3.1 Flash Lite Preview none Google 4 7.9 12/18 1.30s
#30 Step 3.5 Flash medium Stepfun 3 7.9 11/17 26.8s
#31 GLM 5V Turbo medium Z.ai 3 7.8 11/18 15.0s

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