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)
#2 Gemini 3.1 Pro Preview medium Google 1 9.6 17/18 16.0s
#7 GPT-5.3-Codex medium OpenAI 3 8.6 13/18 15.4s
#20 Qwen3.6 Plus medium Qwen 3 8.1 13/18 15.3s
#44 GPT-5.4 Mini medium OpenAI 4 7.3 9/18 15.2s
#31 GLM 5V Turbo medium Z.ai 3 7.8 11/18 15.0s
#40 GPT-5.2 medium OpenAI 2 7.5 11/18 14.0s
#9 Qwen3.6 Plus Preview medium Qwen 3 8.5 13/17 13.9s
#76 Kimi K2.5 none Moonshot AI 12 5.5 6/18 13.4s
#26 Claude Sonnet 4.6 medium Anthropic 2 8.0 13/18 12.7s
#23 MiMo-V2-Pro medium Xiaomi 3 8.1 12/18 12.3s
#15 Gemini 2.5 Flash medium Google 4 8.2 13/18 12.1s
#64 DeepSeek V3.2 none DeepSeek 8 6.1 7/18 12.1s
#84 gpt-oss-120b none OpenAI 6 5.2 4/18 12.0s
#38 GPT-5.4 Nano medium OpenAI 4 7.6 11/18 11.2s
#92 Qwen3 Coder Next medium Qwen 9 4.7 3/18 10.8s

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