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)
#71 Step 3.7 Flash high Stepfun 6 7.0 11/21 64.5s
#75 Ring-2.6-1T medium Inclusionai 6 6.9 11/21 61.3s
#78 Qwen3.6 27B medium Qwen 6 6.8 10/21 59.7s
#107 Laguna Xs.2 medium Poolside 6 5.8 6/19 6.73s
#130 MiniMax M2.7 medium Minimax 6 5.3 5/21 38.2s
#14 Qwen3.6 Max Preview medium Qwen 5 8.5 16/21 59.6s
#16 Gemini 3 Flash Preview low Google 5 8.4 16/21 5.76s
#18 Qwen3.7 Plus medium Qwen 5 8.2 15/21 38.9s
#19 Seed-2.0-Lite medium Bytedance Seed 5 8.2 14/21 47.1s
#21 GPT-5.4 medium OpenAI 5 8.0 14/21 22.3s
#22 Step 3.7 Flash medium Stepfun 5 8.0 14/21 20.4s
#26 Qwen3.6 Plus medium Qwen 5 7.9 14/21 30.7s
#29 Qwen3.5-122B-A10B medium Qwen 5 7.8 14/21 42.5s
#32 Gemini 3.5 Flash minimal Google 5 7.7 14/21 1.57s
#38 Grok 4.3 medium X AI 5 7.6 13/21 47.5s

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