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: 响应时间（平均） ↓.

显示的模型数

8

失败总数

3172

受影响最多的模型

Xing4.0 29b A4b 9

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）
#433	Decider V1.2 default	Perplexity	5	0.3	$0.001	5/12	517ms
总测试数 12 错误测试数 7 总成本 $0.001 响应时间（平均） 517ms
#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
#449	Tev1 4B Experimental default	Togethercomputer	4	1.0	$0.002	3/7	498ms
总测试数 7 错误测试数 4 总成本 $0.002 响应时间（平均） 498ms
#436	GPT-6 Luna Decisions default	OpenAI	8	0.2	$0.005	3/12	495ms
总测试数 12 错误测试数 9 总成本 $0.005 响应时间（平均） 495ms
#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
#438	Jev 1.14 default	Typesafe	7	0.2	$0.003	4/12	377ms
总测试数 12 错误测试数 8 总成本 $0.003 响应时间（平均） 377ms
#450	Nimble v3 9B default	Bespoke Labs	5	0.8	~$0.001	1/7	363ms
总测试数 7 错误测试数 6 总成本 ~$0.001 响应时间（平均） 363ms
#434	Decider V1.1 27B default	Perplexity	8	0.3	$0.002	4/12	320ms
总测试数 12 错误测试数 8 总成本 $0.002 响应时间（平均） 320ms

←

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