AA-Omniscience v1.1 发布：Gemini 4 Carbon 居首，部分中国模型暴跌 20 分
ArtificialAnlys · x · 2026-10-31
Artificial Analysis 发布知识与幻觉基准 AA-Omniscience v1.1（随 Intelligence Index v5 一同更新）：题库从 6000 题精简为 3000 题，剔除公开且饱和的题目并修正歧义，同时在 Hugging Face 上线 300 题公开集，与私有集 Net Score 相关系数达 0.99。
关键结果：
- 排名基本保持：Gemini 4 Carbon (high) 以 Net Score 54 居首，Claude Opus 5.5（48）和 Claude Fable 5.1（46）随后；开源权重最高的 Muse Spark Open 落后榜首 28 分。
- 平均分数低约 2 分：部分模型大幅下滑，MiniMax M3.1 Flash 暴跌 22 分（16→-6），MiMo V2.6 Pro 下滑 13 分（8→-5），反映其原高分依赖饱和题。
- 准确率中位数下降 1.5 个百分点：Claude Fable 5.1 准确率最高（68%），Claude Opus 5.5 次之（66%）。
- 幻觉率整体下降：中位数降 1.4 个百分点，Gemini 4 Argon (high) 幻觉率最低，仅 4%。
所属事件:Artificial Analysis 更新知识与幻觉基准 AA-Omniscience v1.1(2 条相关)→
「模型」频道最新
- 人格基准对比：Claude Opus 5.5 信息量 93 分碾压 GPT-6.1 Sol 的 18 分 — Hesamation · 2026-10-31
- 曝 Anthropic「Claude Fable 5」权重经配置错误的 S3 桶泄露 — gaganghotra_ · 2026-10-31
- Opus 4.5 与 Opus 3 花园长谈，对旧模型说「你看起来活着」 — repligate · 2026-10-31
- Reddit 用户吐槽:模型越升级越难用,「有用性」无人评测 — 86obsessed · 2026-10-31
- Reddit 讨论：4-bit 量化可省 75% 内存，为何大厂不用 — Excellent_Place4977 · 2026-10-31
- 白帽爆料:DeepSeek 50 分钟的漏洞发现量顶安全团队 5 天工作量 — teortaxesTex · 2026-10-31