2026 幻觉榜:最佳模型仍错 4.2%,124 款中 52 款错多对少
GaryMarcus · x · 2026-11-19
Gary Marcus 引用 2026 年最新 AI 幻觉率基准数据,指出这解释了为何多数公司报告不出 AI ROI:修复错误的时间和成本太高。数据要点:
- 在答题正确率 45% 以上的模型中,幻觉率最低的是 Gemini 4 Carbon(中型,未公开),为 4.2%;最佳公开模型是 Gemini 4 Argon,4.3%——没有模型零幻觉
- 准确率最高的 Claude Fable 5.1(68.4%)幻觉率也有 70%;OpenAI 顶级模型 GPT-6 Astra 幻觉率 49.8%
- AA-Omniscience 榜单 124 个模型中,52 个给出错误答案多于正确答案
- 高风险问题上有 45% 会引出其他模型的纠正,金融类模型间矛盾(40%)是医学类(20%)的两倍
- 法律/医疗/金融领域宣称「无幻觉」的 AI 产品实际答错 17%33%
「模型」频道最新
- 重度实测:Astra 6.2 High 比 6.0 略差,答对还慢一倍 — IridiumEagle · 2026-11-19
- 用户实测:重度测试下 100 美元档 Astra 6.2 额度仍用不完 — prd_008 · 2026-11-19
- Gemini 4 Carbon 独立破译 1466 年斯福尔扎密码手稿 — fofrAI · 2026-11-19
- Gemini「Hydrogen」选项被曝实为内部代号,底层路由到 3.1 Pro — Neestor00 · 2026-11-19
- Fable 5.2 与 GPT-6.2 Astra 生成 PS1 游戏对比:108M token 对 24M,成本差 3 倍 — heypearlai · 2026-11-19
- 同一游戏 Prompt 实测:Astra 花 17 美元 vs Fable 花 65 美元 — heypearlai · 2026-11-19