先了解这件事
AI 综述
2026年10月8日,Artificial Analysis对比了六款幻觉检查器,并选定GPT-6 Sol(high)用于生产。该对比在20个任务、8个模型的相同交付物上进行。据其报道,GPT-6 Sol与GPT-6 Luna识别出的实质性幻觉更多,Claude Sonnet 5.5和Gemini 3.8 Flash明显更少;总计Opus认定99个、Grok 219个、Sonnet 57个、GPT-6 Sol 470个。六款检查器均未在GPT-6 Astra输出中发现实质性幻觉。该对比只反映检查器行为差异,计数本身不能证明准确率或排除自我偏好。目前尚无后续发展。
AI 根据公开报道生成
最新进展 · 正式报道
Artificial Analysis 对比六款模型幻觉检查器事件进展
1 个已确认进展
- 来源：Artificial Analysis
报道与讨论时间线
按时间查看正式报道与传播讨论；两类内容的证据等级保持独立。
10月9日
Artificial Analysis
Artificial Analysis 对比六款模型幻觉检查器
Artificial Analysis 在 20 个任务、8 个模型的相同交付物上对比六款幻觉检查器，并选定 GPT-6 Sol (high) 用于生产。GPT-6 Sol 与 GPT-6 Luna 识别出的实质性幻觉更多，Claude Sonnet 5.5 和 Gemini 3.8 Flash 明显更少；总计 Opus 认定 99 个、Grok 219 个、Sonnet 57 个、GPT-6 Sol 470 个。六款检查器均未在 GPT-6 Astra 输出中发现实质性幻觉，但该对比只反映检查器行为差异，计数本身不能证明准确率或排除自我偏好。