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: 分数 ↓.

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)
#76 Kimi K2.5 medium Moonshot AI 5 6.8 10/21 98.4s
#77 Claude Sonnet 4.6 none Anthropic 5 6.8 11/21 5.04s
#78 Qwen3.6 27B medium Qwen 6 6.8 10/21 59.7s
#79 Hunter Alpha medium OpenRouter 4 6.7 8/18 10.3s
#80 Mimo V2 Omni medium Xiaomi 5 6.7 10/21 41.2s
#81 Mercury 2 medium Inception 8 6.6 10/21 2.24s
#82 Hy3 preview high Tencent 3 6.6 11/21 56.6s
#83 Step 3.5 Flash none Stepfun 1 6.6 6/12 39.0s
#84 Grok 4.20 Multi Agent Beta medium X AI 4 6.6 8/18 9.69s
#85 Gemma 4 31B none Google 8 6.5 10/21 4.05s
#86 Grok 4.1 Fast medium X AI 4 6.5 9/19 23.8s
#87 Gemini 3.1 Flash Lite minimal Google 8 6.4 10/21 1.33s
#88 Qwen3.7 Plus none Qwen 10 6.4 10/21 2.85s
#89 Hy3 preview low Tencent 4 6.4 10/21 24.6s
#90 Gemini 3.1 Flash Lite none Google 11 6.4 9/21 1.06s

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