AA 幻觉率榜:Gemini 4 系列大幅领先,Argon 仅 4%
haider1 · x · 2026-10-29
haider 指出 Google 在 Gemini 模型此前最大的短板——幻觉与过度自信的错误回答——上取得巨大进展。
配图为 Artificial Analysis 的 AA-Omniscience v1.1 幻觉率榜(越低越好,衡量模型答错时的错误占比):
- Gemini 4 Argon 幻觉率仅 4%,全榜最低,Gemini 4 Carbon(high)为 11%
- 远低于 Muse Wonder(18%)、GroK 4.7(20%)等
- 主流模型多在 27%–41% 区间,Claude 5.5 Preview 为 31%,Kimi K3.1 Pro 37%
作者认为 Gemini 4 Argon 在幻觉减少上甚至优于 Carbon,这也预示 fable 5.5 即将到来。
「模型」频道最新
- 非营利实验室从零训练首个泰米尔模型 Agaram 2.5B 开源 — SuB8u · 2026-10-29
- 新论文：Outcome RL 提升的多是完成率和可靠性，而非新解题能力 — Shan Yang · 2026-10-29
- 开发者质疑:Google Carbon 若无 10 美元折扣价,需求将崩塌 — bindureddy · 2026-10-29
- Krea2 文字生成不佳，图像模型文字清晰度该选谁 — maxiedaniels · 2026-10-29
- MiniMax M3.1 Flash 登 Artificial Analysis 榜单,厂商回应用户质疑 — zacharynado · 2026-10-29
- Andon Labs 新基准:AI 在物理 3D 理解上追平人类 — ResultBackground2450 · 2026-10-29