AA-Omniscience 图表给 28 个模型排出准确率和幻觉率
teortaxesTex · x · 2026-07-21
一张新的 AA-Omniscience 对比图，把 446 个模型中的 28 个放到两个维度上比较：准确率和幻觉率。
主要结论
- 在准确率上，Claude 4 Opus、GPT-5.1、Sol、GPT-5.5 位居前列，最高分约 61%。
- 在幻觉率上，表现最好的模型大多在 14%–29% 区间；而排名靠后的模型则一路升到 80% 以上。
- 这条帖子的核心意思是：这份基准测试显示，模型规模、家族和“知道自己知道什么”的能力之间存在明显关联，但不同厂商和不同型号之间的差距依然很大。
作者借这张图讨论了一个更大的问题：有些模型在可靠性上已经明显领先，但另一些模型仍然非常容易自信地胡说。
所属事件:AA-Omniscience 图表对比 28 款大模型准确率与幻觉率(2 条相关)→
「模型」频道最新
- 有人要建全模型基准分数汇总页 — airesearch12 · 2026-09-11
- 爆料称 Kimi 疑似转发 Claude 冒充自家成绩，DeepSeek 新模型评测反超 — realsohamparekh · 2026-09-11
- 网友吐槽 GPT-5.6 文笔好读但缺乏记忆点 — BasedRaddka · 2026-09-11
- Opus 以"安全"为由拒碰蛋白质生成代码,开发者吐槽误伤 — josephdviviano · 2026-09-11
- 网友称 DeepSeek 4.1 Flash 是语言模型历史拐点(未证实) — himanshustwts · 2026-09-11
- Terminal Bench v4 榜单:GLM-5.3 以 41.9% 一骑绝尘 — Ok_Warning2146 · 2026-09-11