AI BENCHY
Advertise here

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: 响应时间(平均) ↓.

显示的模型数

15

失败总数

1204

受影响最多的模型

Kimi K2.5 5
排名 模型 公司 答案错误 次数 分数 测试正确 响应时间(平均)
#39 Qwen3.6 Flash medium Qwen 8 7.5 12/21 19.2s
#1 Gemini 3 Flash Preview medium Google 1 9.8 20/21 18.6s
#46 Qwen3.6 35B A3B medium Qwen 4 7.4 13/21 18.1s
#149 Nemotron 3 Nano Omni 30b A3b Reasoning medium NVIDIA 7 4.6 4/19 17.1s
#52 Claude Sonnet 4.6 medium Anthropic 4 7.4 13/21 17.1s
#42 GPT-5.2 medium OpenAI 3 7.5 13/21 16.9s
#33 Hy3 preview medium Tencent 3 7.7 14/21 16.3s
#15 GPT-5.3-Codex medium OpenAI 4 8.4 15/21 16.2s
#5 Qwen3.7 Max medium Qwen 3 9.1 18/21 16.0s
#57 Step 3.7 Flash low Stepfun 8 7.3 12/21 15.7s
#28 Gemini 2.5 Flash medium Google 6 7.8 14/21 15.5s
#93 Qwen3.6 Plus Preview medium Qwen 2 6.3 9/19 15.2s
#41 Nemotron 3 Ultra 550b A55b medium NVIDIA 7 7.5 13/21 15.1s
#92 Laguna M.1 medium Poolside 4 6.4 9/19 14.7s
#133 DeepSeek V3.2 none DeepSeek 7 5.2 6/21 13.8s

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