答案错误失败排名 | AI BENCHY

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: 分数 ↓.

显示的模型数

8

失败总数

3172

受影响最多的模型

Gemini 3.6 Flash 1

分类

在分类领域专项中893 在分类反AI技巧中519 在分类编程中484 在分类谜题求解中352 在分类常识问答中315 在分类通用智能中134 在分类智能体任务中128 在分类综合中128 在分类指令遵循中117 在分类数据解析与提取中93

443/443

排名	模型	公司	答案错误次数	分数	总成本	测试正确	响应时间（平均）
#440	Clef Omni default	Cloudflare	9	0.2	$0.011	2/12	880ms
总测试数 12 错误测试数 10 总成本 $0.011 响应时间（平均） 880ms
#441	Decider Flash V1.2 default	Perplexity	9	0.2	$0.001	3/12	462ms
总测试数 12 错误测试数 9 总成本 $0.001 响应时间（平均） 462ms
#442	Step 3.5 Flash none	Stepfun	1	0.2	$0.020	6/12	39.0s
总测试数 12 错误测试数 6 总成本 $0.020 响应时间（平均） 39.0s
#443	D1 default	Liquid	10	0.2	$0.003	2/12	508ms
总测试数 12 错误测试数 10 总成本 $0.003 响应时间（平均） 508ms
#445	LFM2-24B-A2B default	Liquid	9	0.2	$0.001	2/16	782ms
总测试数 16 错误测试数 14 总成本 $0.001 响应时间（平均） 782ms
#446	Solar Decide Flash default	Upstage	4	0.2	$0.003	3/7	1.33s
总测试数 7 错误测试数 4 总成本 $0.003 响应时间（平均） 1.33s
#447	Microsoft-Decision-1 default	Microsoft	11	0.1	$0.002	1/12	982ms
总测试数 12 错误测试数 11 总成本 $0.002 响应时间（平均） 982ms
#448	Solar Decide default	Upstage	5	0.1	$0.009	2/7	6.01s
总测试数 7 错误测试数 5 总成本 $0.009 响应时间（平均） 6.01s

←

1 29 30

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