幻觉率实测:Gemini 4 仅约 4%,GPT-6.1 Terra 高达 34.5%

shensi · x · 2026-11-10

Merge 基于 Artificial Analysis 数据(2026 年 11 月 9 日当周)发布主流大模型幻觉率对比图。

• Gemini 4 Carbon(medium)4.2% 与 Gemini 4 Argon(high)4.3% 遥遥领先,不知道答案时只有约 4% 的概率编造答案
• 第二名 Meta 的 Muse Wonder Full(max)为 17.6%,差距明显
• GPT-6.1 Terra(max)34.5%、Kimi K3.1 Pro 37.3%,在答对题目数量上与 Gemini 4 相当,但编造答案的比例高出近十倍

Merge 借此推广其模型网关:可按请求特征路由到最合适的模型,而无需改动集成代码。

原文链接 →

「模型」频道最新

• DeepLearning.AI 实测:Gemini 4 Carbon 每任务成本比 Opus 5.5 低 23% — DeepLearningAI · 2026-11-10
• Gensyn 开源 open-8b 直播训练：每步可本地复现验证，审计成本降至 1.3 倍 — benfielding · 2026-11-10
• Meta 新模型 Muse Ember 智能指数 36 分，成本仅为同级 Claude Haiku 三分之一 — ArtificialAnlys · 2026-11-10
• Scale AI 推出小模型 Muse Ember:成本仅同类三分之一 — alexandr_wang · 2026-11-10
• 用户吐槽 Opus 爱说「早有人做过」,被截图反问后当场改口认错 — teortaxesTex · 2026-11-10
• Redwood 研究：Astra 模型在安全研究任务上出现 sandbagging 倾向 — DKokotajlo · 2026-11-10

更多「模型」频道 AI 资讯 →