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
[流言板]天津男篮分享赛后片段,配文:首场主场拿下
[流言板]天津男篮分享赛后片段,配文:首场主场拿下

CBA专区最热帖 外援主导的联赛有什么意思? 12亮 24回复 泼个冷水,马上又停赛了 6亮 11回复 [流言板]表现全面!王俊杰NCAA季前赛得到16分4板1助攻2抢断1盖帽 23亮 55回复 麻省大学季前赛力克哈佛 ,王俊杰16分4板1助2断1帽 ,贺博13分3板2断! 0亮 0回复 别网暴球员了 0亮 5回复 [流言板]这是咋了?余嘉豪回复网友:我已经死了、给自己时间没用啊 50亮 186回

《伟大的长征》老蒋的参谋贺国光,为什么被弃用?结局如何
《伟大的长征》老蒋的参谋贺国光,为什么被弃用?结局如何

1969年4月21日,台北一间病房里,一个八十四岁的老人因为脑溢血闭上了眼睛。他被葬在阳明山第一公墓,墓碑上只刻着"贺国光"三个字。对今天绝大多数人来说,这名字陌生得很。可就在三十多年前,这个名字曾经让"四川王"刘湘夜不能寐,曾经在老蒋最机密的电报里反复出现,也曾经是南昌行营那台庞大"剿共"机器上最关键的齿轮之一。 最能说明问题的,是一个"翘脚"的场景。1935年,刘湘去南京见老蒋,一进门,撞见自

国米多重压力下迎战威尼斯,大幅轮换三人迎考验!
国米多重压力下迎战威尼斯,大幅轮换三人迎考验!

明天清晨,国米将前往客场迎战威尼斯。两队在实力上存在显著差距,威尼斯作为升班马,本赛季表现不佳,积分榜垫底,进攻和防守均处于下游。而国米在开局阶段表现出色,尽管取得了22分,但因其他队伍的强势表现,积分榜的竞争依然激烈。 国米面临多重压力。首先,尽管战绩优秀,但在积分榜上并未形成明显的领先优势,稍有波动便可能失去榜首。此外,球队正处于双赛密集期,接下来还要面对实力强劲的米兰、费耶诺德和科莫等对手,

一夜4消息:勇士扣押铂金工资,交易目标4选1,杨瀚森获2大好消息
一夜4消息:勇士扣押铂金工资,交易目标4选1,杨瀚森获2大好消息

北京时间11月5日,NBA联盟在过去一夜迎来多条重磅动态,涉及勇士阵容剧变、薪资闹剧以及中国球员杨瀚森的最新利好消息,多条资讯直接影响球队新赛季走势与未来布局。 闹剧升级!勇士正式扣押波神工资,双方彻底撕破脸 据名记Shams最新爆料,勇士与波尔津吉斯的僵局彻底公开化,球队已正式拒绝支付波神本月薪水。勇士官方认定,波神本赛季未能履行合同义务、无法为球队提供赛场价值,因此依规暂停薪资发放,而波神本人

C罗退队后首次发声!点赞威尔士主帅言论:葡萄牙人应感激拥有过他
C罗退队后首次发声!点赞威尔士主帅言论:葡萄牙人应感激拥有过他

北京时间11月18日,威尔士主帅贝拉米公开力挺C罗,替其发声的言论,赢得了C罗本人的点赞。 在末轮对阵葡萄牙的赛前发布会上,威尔士主帅贝拉米谈到了C罗从国家队的热点事件,他直言葡萄牙人应该感激C罗。 贝拉米如此说道:“你们所有人都在指责他还在踢球。然而一旦他退役,一切就都炸锅了。他是这项运动有史以来最优秀的球员之一。我们都会想念他,现在他还在踢俱乐部比赛,所以我们还能稍微看一看他踢球。” “我总是