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

572

受影响最多的模型

Gemini 3.1 Pro 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)
#46 Kimi K2.5 medium Moonshot AI 4 7.0 9/18 72.4s
#47 Grok 4.20 medium X AI 3 7.0 9/18 10.3s
#49 Qwen3.5 Plus 2026-02-15 none Qwen 9 6.8 9/18 2.60s
#51 Nemotron 3 Super medium NVIDIA 3 6.7 9/18 19.1s
#52 Grok 4.1 Fast medium X AI 3 6.7 9/18 23.9s
#53 GLM 5 none Z.ai 9 6.6 9/18 4.23s
#50 Hunter Alpha medium OpenRouter 4 6.7 8/18 10.3s
#54 Mercury 2 medium Inception 6 6.5 8/18 2.21s
#55 MiMo-V2-Omni none Xiaomi 8 6.5 8/18 1.99s
#58 GLM 5V Turbo none Z.ai 8 6.2 8/18 3.10s
#59 Qwen3.5-Flash none Qwen 9 6.2 8/18 3.25s
#61 Seed-2.0-Lite none Bytedance Seed 10 6.2 8/18 2.53s
#56 Grok 4.20 Multi Agent Beta medium X AI 3 6.4 7/18 9.80s
#57 GPT-5 Nano medium OpenAI 7 6.3 7/18 44.1s
#60 Gemma 4 26B A4B none Google 7 6.2 7/18 6.59s

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