答案错误失败排名 | AI BENCHY

AI BENCHY 失败分析

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

15

失败总数

1204

受影响最多的模型

分类

在分类领域专项中314 在分类反AI技巧中245 在分类编程中194 在分类谜题求解中147 在分类常识问答中130 在分类指令遵循中53 在分类综合中52 在分类数据解析与提取中35 在分类通用智能中32 在分类工具调用中2

排名	模型	公司	答案错误次数	分数	测试正确	响应时间（平均）
#49	Qwen3.5-Flash medium	Qwen	4	7.4	12/21	63.3s
#53	Gemini 3.1 Flash Lite high	Google	4	7.3	10/18	62.0s
#75	Ring-2.6-1T medium	Inclusionai	6	6.9	11/21	61.3s
#78	Qwen3.6 27B medium	Qwen	6	6.8	10/21	59.7s
#14	Qwen3.6 Max Preview medium	Qwen	5	8.5	16/21	59.6s
#82	Hy3 preview high	Tencent	3	6.6	11/21	56.6s
#27	Gemma 4 31B medium	Google	2	7.8	14/21	56.5s
#96	Ring-2.6-1T none	Inclusionai	5	6.2	9/21	55.1s
#47	Grok Build 0.1 medium	X AI	5	7.4	13/21	49.9s
#38	Grok 4.3 medium	X AI	5	7.6	13/21	47.5s
#19	Seed-2.0-Lite medium	Bytedance Seed	5	8.2	14/21	47.1s
#36	Qwen3.5 Plus 2026-04-20 medium	Qwen	8	7.6	13/21	46.4s
#31	DeepSeek V4 Flash high	DeepSeek	6	7.7	13/21	45.8s
#94	GPT-5 Nano medium	OpenAI	9	6.3	9/21	42.5s
#29	Qwen3.5-122B-A10B medium	Qwen	5	7.8	14/21	42.5s

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