Feature Reading

谷歌新模型登顶,幻觉测试却只拿54分

将文章核心主题、阅读路径与关联内容进行更清晰的组织,帮助用户以更流畅的节奏进入正文。

谷歌新模型登顶,幻觉测试却只拿54分
Sports Insight

当前位置

当前正在查看文章详情,可沿路径返回栏目页或继续切换其他内容。

谷歌新模型登顶,幻觉测试却只拿54分

谷歌上周发布的新模型 Gemini 4 Carbon,在 Artificial Analysis 最新的 Intelligence Index V5 基准测试中登顶,比 Claude Opus 5.5 高出 1分 。这个分数看起来不悬殊,但放在2026年模型排名频繁洗牌的背景下,足以让谷歌在经历大半年发布节奏不稳之后,重新拿回榜首位置。 更值得关注的是另一张榜单。Gemini 4 Carbon 在 Artificial Analysis 新增的 AA-Omniscience v1.1 测试中排名第一,这项测试追踪的是模型的幻觉率和知识召回能力。对政府和机构来说,最低的幻觉分数正在变成一个有分量的卖点。 但分数本身也说明了问题:在 -100 到 +100 的量表上,最好的模型也只拿到 54分 。即便是2026年最强的前沿模型,在准确回忆信息这件事上,距离稳定可靠还有相当距离。 分数拆开看 Gemini 4 Carbon(high)在 Intelligence Index V5 上得分 59 ,领先 Claude Opus 5.5(max with fallback)1分,领先 OpenAI 的 GPT-6 Astra(max)2分。与 Meta 的 Muse Wonder Full(Max)相比高出9分,比 Claude Fable 5.1(max with fallback)高出10分。 在九项评估中,它在其中四项拿到第一。单看通用智能还不够,开发者真正在意的是成本与智能的帕累托前沿。Gemini 4 Carbon 在这条线上表现不错:Intelligence Index 测试中每次任务成本为 7.76美元 ,比 Gemini 3.8 Flash(high)还略便宜一点。 横向对比,这个价格比 Claude Opus 5.5 和 Sonnet 5.5(均为 max with fallback)便宜数美元,接近 Claude Fable 5.1 每次任务 12.99美元 价格的一半。但它仍比 OpenAI 的 GPT 5 Astra 贵,约为 GPT 6.1 Sol(max)的6倍,也是开源权重模型 DeepSeek V4.1 Flash 1017 每次任务成本的约13倍——后者在 Intelligence Index 上只拿到32分。 Gemini 4 Carbon 并非样样第一。在编程任务上,它不如搭配 Claude Opus 5.5 的 Claude Code;在知识工作方面,落后于 Grok 4.7、Muse Wonder 和 Kimi K3.1 Pro。Arena.ai 的帕累托前沿图上,它占据的是价格较高的一端,而低价格区间则由 GLM 5.3-Flash、DeepSeek V4 Pro 这类中国开源权重模型接手。 先给防御方,再谈开放 谷歌在发布声明中强调了对 rollout 节奏的刻意控制,并参与了美国政府自愿性的模型发布前测试流程。Gemini 4 Carbon 首先通过 Fairwind 计划开放给一部分“网络防御者”,之后经由可信合作伙伴逐步扩大范围。 在向开发者全面开放之前,谷歌希望继续迭代护栏,让模型在网络安全场景下更安全、更有效,同时提高恶意行为者利用它进行漏洞利用和攻击的难度。 谷歌给出的具体说法包括:Carbon 将无依据声明的比例削减到两周前发布的 Gemini 4 Argon 的两倍;如果无法完成某个动作,它会选择不做,而不是编造答案或围绕缺失证据打太极;在存在差异或不确定时,它更倾向于向用户呈现来源和建议动作,而不是按自己的意图推进,据称将模型越界行为减少了 26% 。在 Gray Swan 间接提示注入基准测试中,谷歌称 Carbon 挡下了所有试图让它做不该做之事的尝试。 过去一年,前沿模型和开源权重模型的开发者都在盯效率和成本。Gartner 的最新研究显示,只有 3% 的企业真正从 AI 使用中获得了成本和生产力改善。衡量 AI 投资回报本就困难,幻觉让这件事更难。如果谷歌能把“最安全、最不容易幻觉、智能高且相对便宜”这套组合卖出去,这可能就是新的获胜公式——至少在下个模型发布之前。 特别

about image
觉得有用?分享给朋友

让更多人看到这篇内容

推荐阅读

Search
热点新闻
超三超出众|2026年超三联赛总决赛八强出炉!冠军即将揭晓
超三超出众|2026年超三联赛总决赛八强出炉!冠军即将揭晓

10月23日至24日,经过两个比赛日的激烈角逐,2026年超三联赛济南总决赛八强席位全部揭晓。上海横沙誉民、上海久事、宁波海曙捷英、南昌凯锆商贸、深圳龙华启航、重庆瀚动、广东光正教育、北京控股八支球队携手晋级,向最后的总冠军宝座发起冲击。 小组赛:四组头名全胜晋级,常规赛前四展现强势 总决赛小组赛阶段,上海横沙誉民、上海久事、宁波海曙捷英、南昌凯锆商贸四支球队均以两战全胜的战绩锁定小组头名,携手晋

卢拉最新发声
卢拉最新发声

文|陆弃 当地时间10月25日晚,赢得巴西总统大选第二轮投票的卢拉在社交媒体发文:“感谢,巴西人民!” 这位80岁的劳工党领袖将开启第四个总统任期,继续书写数十年的政治生涯。此前,他经历过三次总统选举失利、牢狱之灾、丧偶之痛,也战胜过癌症。 如今,他再次击败博索纳罗家族所代表的政治力量。巴西选民为何再次选择这位年届八旬的老将?这场胜选不仅关乎卢拉个人的政治命运,也折射出巴西社会对公平、发展与稳定的

菲律宾最后通牒到期,马科斯决定采取行动,菲律宾将再次爆发冲突?
菲律宾最后通牒到期,马科斯决定采取行动,菲律宾将再次爆发冲突?

5000万比索,折合将近80万美元,菲律宾官方把抓捕一名现任国会参议员的赏金直接顶到了天花板。 马尼拉给出的7天主动投降通牒刚刚到期。菲律宾国家警察正式表态,参议员德拉罗萨没有露面,警方重组了跨区域专案小组,全境搜捕网正式铺开。 整个东南亚都在盯着这纸悬赏令。被通缉的德拉罗萨不是普通政客,他是前总统杜特尔特当年的铁腕警察总长,也是杜特尔特阵营在马尼拉政坛最核心的武力门面。国际刑事法院早前解密了针对

谢霆锋风波愈演愈烈,一人已被行政处罚,令人担心的事还是发生了
谢霆锋风波愈演愈烈,一人已被行政处罚,令人担心的事还是发生了

图|小六 “人红是非多”这句老话,放在谁身上都不稀奇。 但10月31日谢霆锋在温州的那场演出,偏偏让人心头压了块石头,沉甸甸地喘不过气。 聚光灯下,他嘶吼着唱满整晚;光影之外,一根荧光棒却猝不及防划破空气,直直飞向舞台中央。 他多年来的隐忧,终究没能躲过…… 一句轻飘飘的“因为喜欢”,搅乱了七万颗热忱的心 10月31日晚,温州奥体中心流光溢彩、人声鼎沸。 谢霆锋“进化”巡回演唱会在此连演两场。据官

凯恩:未来重返英超?一切皆有可能 波切蒂诺很出色能重振曼联
凯恩:未来重返英超?一切皆有可能 波切蒂诺很出色能重振曼联

直播吧11月12日讯 拜仁前锋哈里·凯恩接受了talkSPORT电台节目的专访,谈及未来是否重返英超追逐阿兰·希勒的进球纪录、恩师波切蒂诺可能执教曼联、下一任英格兰队长人选以及快问快答与主持人赛后点评等话题。 嘿,H,我现在要叫你“H”了,我觉得我们现在已经是哥们了。没问题吧?这样可以吗?我可以叫你H吗? 可以。 好的,H,我要问你一个问题,但你必须对我说实话。我知道你接受过非常专业的媒体应对训练