答案错误失败排名

AI BENCHY 失败分析

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

失败总数

572

受影响最多的模型

分类

在分类领域专项中182 在分类反AI技巧中165 在分类谜题求解中85 在分类指令遵循中44 在分类综合中37 在分类编程中28 在分类数据解析与提取中19 在分类通用智能中10 在分类工具调用中2

排名	模型	公司	答案错误次数	分数	测试正确	响应时间（平均）
#43	Qwen3.5-35B-A3B medium	Qwen	2	7.4	10/18	44.5s
#2	Gemini 3.1 Pro Preview medium	Google	1	9.6	17/18	16.0s
#3	Claude Opus 4.7 medium	Anthropic	1	9.2	16/18	3.53s
#10	Qwen3.5-27B medium	Qwen	1	8.4	13/18	53.0s
#14	Gemma 4 31B medium	Google	1	8.3	13/18	24.9s
#32	Qwen3.5-Flash medium	Qwen	1	7.8	11/18	66.7s
#97	Qwen3.5-9B medium	Qwen	1	4.4	3/18	73.6s

←

1 2 3 4 5 6 7

答案错误失败