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)
#50 Gemini 3.1 Flash Lite Preview low Google 7 7.4 13/21 2.77s
#52 Claude Sonnet 4.6 medium Anthropic 4 7.4 13/21 17.1s
#39 Qwen3.6 Flash medium Qwen 8 7.5 12/21 19.2s
#43 MiMo-V2.5-Pro medium Xiaomi 3 7.5 12/21 26.1s
#45 GPT-5.4 Mini medium OpenAI 6 7.5 12/21 22.3s
#49 Qwen3.5-Flash medium Qwen 4 7.4 12/21 63.3s
#51 Mimo V2 PRO medium Xiaomi 5 7.4 12/21 22.2s
#54 GPT-5 Mini medium OpenAI 5 7.3 12/21 23.6s
#55 GLM 5.1 medium Z.ai 4 7.3 12/21 33.7s
#56 MiMo-V2.5 medium Xiaomi 5 7.3 12/21 27.1s
#57 Step 3.7 Flash low Stepfun 8 7.3 12/21 15.7s
#58 Gemini 3.1 Flash Lite Preview none Google 7 7.2 12/21 1.21s
#60 Kimi K2.6 medium Moonshot AI 3 7.2 12/21 71.7s
#61 Gemini 3.1 Flash Lite low Google 9 7.2 12/21 1.89s
#63 GPT-5.3 Chat none OpenAI 7 7.2 12/21 6.34s

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