AA 新幻觉榜 DeepSeek 垫底引争议,teortaxes 发文驳「野鸡榜单」论
teortaxesTex · x · 2026-10-31
中文博主 @xiangning0 引用 Artificial Analysis 最新的 AA-Omniscience 榜单称榜单「沦为野鸡」：DeepSeek V4.1 Flash 幻觉测试仅得 1 分，且一个未发布的谷歌模型占据榜首，质疑「花钱就能上榜」。
teortaxes 强硬反驳：DeepSeek 在 AA-Omniscience 上一直接近或低于零分，是该榜口径下准确率平庸、幻觉率极高，并非榜单黑幕，怒斥相关阴谋论「丢人」。配图显示 DeepSeek V4.1 Flash 1017 更新后非幻觉率从 33%（比上代 +29 点）、准确率 46%，综合指数从 -5 升至 +5，但在 107 个模型中仍居末尾；Claude Sonnet 系以 68%/11% 幻觉率居首。榜单争议本身反映幻觉评测口径之争。
「模型」频道最新
- 两周日志实测:Qwen 27B 量化越狠思考死循环越多,成功率 92%→78% — Old_Ad_6033 · 2026-10-31
- 开发者吐槽各大模型沉迷重写新代码，存量项目被折腾惨 — yacineMTB · 2026-10-31
- 爆料账号暗示 OpenAI「Sammy」即将有大动作,未证实 — iruletheworldmo · 2026-10-31
- 本地跑 Kimi K3.1 要 3 万美元,博主称私有推理值得这个价 — bookwormengr · 2026-10-31
- 4 天提升 67%,DeepSeek V4.1 Flash 单卡吞吐冲上 109 万 tok/s — BanghuaZ · 2026-10-31
- 博主给三个旗舰模型布置过夜长任务，明早验收谁干得最好 — therealdanvega · 2026-10-31