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。

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)
#41 Nemotron 3 Ultra 550b A55b medium NVIDIA 7 7.5 13/21 15.1s
#44 Gemini 3.1 Flash Lite medium Google 7 7.5 13/21 3.23s
#50 Gemini 3.1 Flash Lite Preview low Google 7 7.4 13/21 2.77s
#58 Gemini 3.1 Flash Lite Preview none Google 7 7.2 12/21 1.21s
#59 GLM 5V Turbo medium Z.ai 7 7.2 11/21 23.1s
#63 GPT-5.3 Chat none OpenAI 7 7.2 12/21 6.34s
#100 Grok Build 0.1 none X AI 7 6.0 7/19 28.7s
#129 MiniMax M2.5 medium Minimax 7 5.3 5/21 65.4s
#133 DeepSeek V3.2 none DeepSeek 7 5.2 6/21 13.8s
#149 Nemotron 3 Nano Omni 30b A3b Reasoning medium NVIDIA 7 4.6 4/19 17.1s
#24 GPT-5.2 Chat none OpenAI 6 7.9 14/21 7.13s
#28 Gemini 2.5 Flash medium Google 6 7.8 14/21 15.5s
#31 DeepSeek V4 Flash high DeepSeek 6 7.7 13/21 45.8s
#45 GPT-5.4 Mini medium OpenAI 6 7.5 12/21 22.3s
#65 Grok 4.20 medium X AI 6 7.1 12/21 27.7s

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