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)
#91 GPT-5.5 none OpenAI 11 6.4 10/21 1.89s
#92 Laguna M.1 medium Poolside 4 6.4 9/19 14.7s
#93 Qwen3.6 Plus Preview medium Qwen 2 6.3 9/19 15.2s
#94 GPT-5 Nano medium OpenAI 9 6.3 9/21 42.5s
#95 Qwen3.5 Plus 2026-02-15 none Qwen 12 6.3 9/21 2.31s
#96 Ring-2.6-1T none Inclusionai 5 6.2 9/21 55.1s
#97 Gemini 2.5 Flash none Google 12 6.2 9/21 875ms
#98 GLM 5 none Z.ai 12 6.1 9/21 4.03s
#99 gpt-oss-120b medium OpenAI 9 6.1 9/21 22.3s
#100 Grok Build 0.1 none X AI 7 6.0 7/19 28.7s
#101 Mimo V2 Omni none Xiaomi 10 6.0 8/21 2.44s
#102 Gemma 4 26B A4B none Google 10 6.0 8/21 5.91s
#103 DeepSeek V4 Pro high DeepSeek 4 6.0 8/21 65.2s
#104 Nemotron 3 Ultra 550b A55b none NVIDIA 12 6.0 8/21 2.27s
#105 Nemotron 3 Super medium NVIDIA 5 5.8 8/21 32.0s

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