AI BENCHY
AD
Track all your projects in one dashboard. Get 📊stats, 🔥heatmaps and 👀recordings in one self-hosted dashboard.
uxwizz.com

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)
#33 Hy3 preview medium Tencent 3 7.7 14/21 16.3s
#34 Qwen3.7 Max none Qwen 7 7.7 14/21 1.30s
#35 Gemini 3 PRO Preview medium Google 3 7.6 14/21 9.05s
#37 Gemma 4 26B A4B medium Google 3 7.6 14/21 63.4s
#30 Qwen3.5-27B medium Qwen 4 7.8 13/21 68.4s
#31 DeepSeek V4 Flash high DeepSeek 6 7.7 13/21 45.8s
#36 Qwen3.5 Plus 2026-04-20 medium Qwen 8 7.6 13/21 46.4s
#38 Grok 4.3 medium X AI 5 7.6 13/21 47.5s
#40 Gemini 3.1 Flash Lite Preview medium Google 7 7.5 13/21 3.96s
#41 Nemotron 3 Ultra 550b A55b medium NVIDIA 7 7.5 13/21 15.1s
#42 GPT-5.2 medium OpenAI 3 7.5 13/21 16.9s
#44 Gemini 3.1 Flash Lite medium Google 7 7.5 13/21 3.23s
#46 Qwen3.6 35B A3B medium Qwen 4 7.4 13/21 18.1s
#47 Grok Build 0.1 medium X AI 5 7.4 13/21 49.9s
#48 Gemini 3 Flash Preview none Google 8 7.4 13/21 1.65s

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