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: 响应时间(平均) ↓.

显示的模型数

15

失败总数

572

受影响最多的模型

Qwen3.5-9B 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)
#6 Seed-2.0-Lite medium Bytedance Seed 3 8.6 13/18 30.4s
#30 Step 3.5 Flash medium Stepfun 3 7.9 11/17 26.8s
#24 Gemma 4 26B A4B medium Google 2 8.0 13/18 25.0s
#14 Gemma 4 31B medium Google 1 8.3 13/18 24.9s
#33 GLM 5.1 medium Z.ai 3 7.8 12/18 24.1s
#45 GPT-5 Mini medium OpenAI 4 7.0 9/18 24.0s
#52 Grok 4.1 Fast medium X AI 3 6.7 9/18 23.9s
#41 MiMo-V2-Flash medium Xiaomi 3 7.5 11/18 23.4s
#13 GLM 5 medium Z.ai 2 8.4 13/18 23.3s
#37 Claude Opus 4.6 medium Anthropic 2 7.6 12/18 21.1s
#51 Nemotron 3 Super medium NVIDIA 3 6.7 9/18 19.1s
#16 GPT-5.4 medium OpenAI 3 8.2 13/18 18.6s
#18 GLM 5 Turbo medium Z.ai 3 8.1 12/18 17.7s
#35 MiMo-V2-Omni medium Xiaomi 3 7.7 11/18 16.8s
#68 gpt-oss-120b medium OpenAI 7 5.8 7/18 16.1s

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