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
- NVIDIA 称 Nemotron 3 Ultra 在 2026 IMO 上拿到 30/42 — NVIDIAAI · 2026-07-22
- OpenAI 传将向美国政界简报下一代模型家族 — kimmonismus · 2026-07-22
- Muse Spark 1.1 在 Text Arena 跑到 1495 分，性价比很突出 — ycombinator · 2026-07-22
- 教授提醒：最先进的大模型正变得无法相互替代 — emollick · 2026-07-22
- 实测吐槽谷歌 Gemini 全家桶：无一款模型能胜任核心工作负载 — bindureddy · 2026-07-22
- 曝某模型支持百万 token 上下文，价格低至 $0.33 — MickeySteamboat · 2026-07-22