HalluHard 新成绩:GPT-6-Astra 幻觉控制大幅领先所有对手
maksym_andr · x · 2026-09-18
maksymandr 在幻觉评测 HalluHard 上公布新结果:GPT-6-Astra 显著优于包括 Fable 5 在内的所有其他模型,且开/关联网搜索均成立。作者指出现在很少有人讨论幻觉问题,但它仍是模型不确定性感知不足的重要指标。本条补充了不开联网搜索时的成绩链接。
所属事件:GPT-6-Astra 登顶 HalluHard 幻觉评测榜(4 条相关)→
「模型」频道最新
- AWS 开源 Strands Harness 宣称比 Claude Code 便宜 45%，搅动 harness 之争 — blaizedsouza · 2026-11-02
- Yacine 赞誉 Terra High:一条推文引爆的新模型口碑 — yacineMTB · 2026-11-02
- 单卡 H200 跑 DeepSeek V4.1,时租仅 5.3 美元 — daluoseo · 2026-11-02
- 曝 Fable 5.5 最新 checkpoint 视频流出，纯代码生成 — kimmonismus · 2026-11-02
- 用户实测 Claude Opus 5.5 行为异常，引出持续学习难题 — JeremyNguyenPhD · 2026-11-02
- Reddit 热帖追问:为何主流 AI 模型集体忽略冰岛女性罢工 — Mathemodel · 2026-11-02