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。

显示的模型数

15

失败总数

1204

受影响最多的模型

Mercury 2 16
排名 模型 公司 答案错误 次数 分数 测试正确 响应时间(平均)
#134 GLM 5 Turbo none Z.ai 13 5.2 6/21 2.82s
#144 GPT-5.4 Mini none OpenAI 13 4.9 5/21 1.13s
#150 Qwen3 Coder Next medium Qwen 13 4.6 4/21 8.58s
#152 MiMo-V2-Flash none Xiaomi 13 4.6 4/21 2.76s
#153 Qwen3.6 35B A3B none Qwen 13 4.6 4/21 3.73s
#157 Grok 4.1 Fast none X AI 13 4.4 3/19 1.62s
#163 Granite 4.1 8B none IBM Granite 13 4.0 2/21 728ms
#95 Qwen3.5 Plus 2026-02-15 none Qwen 12 6.3 9/21 2.31s
#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
#104 Nemotron 3 Ultra 550b A55b none NVIDIA 12 6.0 8/21 2.27s
#114 Qwen3.5 Plus 2026-04-20 none Qwen 12 5.7 7/21 4.39s
#115 Qwen3.5-27B none Qwen 12 5.7 7/21 1.68s
#117 Qwen3.5-35B-A3B none Qwen 12 5.6 7/21 3.37s
#128 Qwen3.6 Flash none Qwen 12 5.4 7/21 1.60s

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