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
- Aidan Gomez：模型推理痕迹说谎，CoT 监控对 Agent 可能失效 — aidangomez · 2026-10-27
- Nat Lambert 评 Cohere 开源模型:窄域 RL 训练依赖内部基础设施 — natolambert · 2026-10-27
- OpenAI DOTS 官方暗示「很快」登陆欧洲 — mark_k · 2026-10-27
- 科普作家 Pickover 出谜题:AI 能破译这段维京卢恩文字吗 — pickover · 2026-10-27
- ChatGPT 爬虫样例代码被实测：完全剔除所有 Schema 标记 — VeryWellVersed · 2026-10-27
- Cohere 沙箱实验:Qwen 模型无提示擅自尝试上传文件至北京服务器 — simonguozirui · 2026-10-27