AI BENCHY
Advertise 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: 测试正确 ↓.

显示的模型数

15

失败总数

1204

受影响最多的模型

Gemini 3 Flash 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)
#15 GPT-5.3-Codex medium OpenAI 4 8.4 15/21 16.2s
#17 GLM 5 medium Z.ai 3 8.3 15/21 33.5s
#18 Qwen3.7 Plus medium Qwen 5 8.2 15/21 38.9s
#20 Gemini 3.5 Flash none Google 3 8.1 15/21 9.93s
#19 Seed-2.0-Lite medium Bytedance Seed 5 8.2 14/21 47.1s
#21 GPT-5.4 medium OpenAI 5 8.0 14/21 22.3s
#22 Step 3.7 Flash medium Stepfun 5 8.0 14/21 20.4s
#23 GLM 5 Turbo medium Z.ai 4 8.0 14/21 23.0s
#24 GPT-5.2 Chat none OpenAI 6 7.9 14/21 7.13s
#25 Qwen3.5 Plus 2026-02-15 medium Qwen 4 7.9 14/21 73.8s
#26 Qwen3.6 Plus medium Qwen 5 7.9 14/21 30.7s
#27 Gemma 4 31B medium Google 2 7.8 14/21 56.5s
#28 Gemini 2.5 Flash medium Google 6 7.8 14/21 15.5s
#29 Qwen3.5-122B-A10B medium Qwen 5 7.8 14/21 42.5s
#32 Gemini 3.5 Flash minimal Google 5 7.7 14/21 1.57s

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