各模型家族的驳回率

为本站写出的每一道题都要经过同样的核对，无论是哪个模型写的。以下是过去 30 天内各模型家族被淘汰的比例，并附上计算这些比率所用的基数。

这些比率来自调用日志，该日志自 2026 年 9 月 14 日起保存。站内其他位置显示的累计数据统计的是自本站于 2026 年 9 月 11 日上线以来的每一道题，因此两组数字覆盖的时间段不同，并不应当彼此对得上。

统计区间为 2026年9月14日至 2026年9月24日：2,459 次生成调用，共返回 6,183 道题。一个模型家族在该区间返回 200 道题后才会公布；不足时，本页会如实说明，而不是用寥寥几次调用算出一个比例。

模型家族	写出的题目	所标页面上找不到引文	第二个模型给出不同答案	重复	缺陷	未要求或来得太晚	采用
qwen	4,583	6.2%	6.1%	14.0%	28.9%	2.1%	42.7%
deepseek	503	14.3%	3.0%	2.4%	11.5%	2.0%	66.8%
glm	410	2.0%	7.3%	5.6%	51.5%	2.2%	31.5%
nemotron	393	3.1%	0.5%	2.5%	53.9%	1.3%	38.7%
gpt-oss	281	7.8%	1.4%	1.8%	38.4%	1.8%	48.8%
openrouter-primary	13	数据不足	数据不足	数据不足	数据不足	数据不足	数据不足
gemma	0	数据不足	数据不足	数据不足	数据不足	数据不足	数据不足

按通道

免费通道先在 Cloudflare Workers AI 上运行 DeepSeek V4 Flash，其他开放权重模型作为备用。付费通道运行优先模型：DeepSeek V4 Pro 出题，Kimi K2.6 在看不到答案的情况下作答。两条通道经过同样的核对，也都计入这里，所以本页按模型家族而不是按通道来统计。

通道	写出的题目	所标页面上找不到引文	第二个模型给出不同答案	重复	缺陷	未要求或来得太晚	采用
免费	6,140	6.5%	5.3%	11.2%	31.1%	2.0%	43.9%
付费	43	数据不足	数据不足	数据不足	数据不足	数据不足	数据不足

各列的含义

已写出的题目：模型在可解析回答中返回的题目。无法按 JSON 读取的回答在 CSV 中按调用单独计数，因为它们没有返回可计数的题目。
引文未在所引页面上找到：逐字引文不在模型所指页面的存档文字中，或者它引用了给定章节之外的页面。CSV 会把这两种情况分开。
第二个模型不同意：来自不同家族的模型在看到题目和引文但从未看到答案的情况下，选了另一个答案。
重复：该题与同一文档中已接受的某题重复。
缺陷：被结构或质量规则驳回，例如选项组里有明显提示，或者题干没有唯一最佳答案。这些规则正是 MCQ 缺陷检查器在你浏览器中运行的规则。
未被要求或太迟：题目本身没问题，但无论如何没有送到学生面前。要么它的题型不是该任务所要求的（选择题任务中的简答题），要么在它被写出来的同时，任务已经被其他调用的结果填满。两者都计入，这样一行数据才能加总；也都不算模型的过失。
已接受：通过了全部核对并送到学生面前的题目。

方法

这里的每一个数字都来自本站的生产任务。每次服务商调用在结果确定时写入一行，只包含计数，别无其他：没有题目文字、没有文档文字、没有用户。计数归属于实际作答的模型，而不总是任务请求的模型，因为当某个模型被限流或过慢时，模型池会回退到另一个模型。把回退结果归给没有运行的模型，等于公布一个关于错误模型的数字。

时间窗为过去 30 天，每小时最多重新统计两次，它是三个固定时间窗之一。比率是某家族返回题目中的占比，某次调用返回的每一道题都恰好落在其中一列，因此这些比率与已接受的占比相加等于全部。返回给一个已经结束的任务的调用根本不会写入任何行：它的题目从未被查看，而回答得晚的模型并不是回答得差的模型。返回题目不足 200 道的家族会标为数据不足，因为在这个规模下，一个糟糕的章节就能让比率变动好几个百分点。

以 CSV 下载同样的数据，或以 JSON 形式阅读。这些数字按知识共享署名 4.0 许可发布：可以使用、引用，并注明来源为 MedUni Exam。

更新于 2026 年 9 月 24 日。

用你自己的章节生成题目

查看价格

试用无需账号。注册之后，你的题库、成绩和复习队列可以在所有设备上保留。

发布于 2026年9月14日, 更新于 2026年9月23日.