位置：AI门户网
> AI报告 > AI排行榜 > 国内大模型幻觉率排行榜：哪家AI最靠谱？一张图看懂
不知道你有没有遇到过这样的情况——问AI一个问题，它回答得头头是道，结果一查资料，发现它说的根本就是错的，甚至完全是编出来的？这种现象，就是我们常说的“AI幻觉”。说白了，就是AI在“一本正经地胡说八道”。那么，国内这么多AI大模型，谁最诚实、谁最爱“瞎编”呢？今天咱们就来聊聊这个“幻觉率排行榜”，用大白话给你讲明白。
首先，咱们得搞清楚，幻觉到底是个啥。你可以把它想象成，AI有时候会变成一个特别能“脑补”的小说家。当你问它一个它不知道或者不确定的问题时，它不会老实说“我不知道”，而是倾向于根据已有的“经验”（训练数据）去“猜”，然后给你一个听起来特别合理、逻辑特别通顺的答案。这个答案，可能就是错的。
这玩意儿危害可不小。你想啊，如果用它来查资料、写论文、甚至辅助做医疗诊断，结果它给你编了一堆假信息，那麻烦可就大了。比如，之前就发生过有高考生用AI查大学信息，结果AI把校区位置都给说错了，差点误导了报考。所以，幻觉率的高低，直接关系到这个AI到底可不可靠，能不能放心用。
虽然目前还没有一个绝对官方的、覆盖所有场景的“幻觉率”总榜，但通过一些机构测评和个人测试，我们还是能看出一些端倪的。需要说明的是，不同测试用的题目、方法不一样，结果也会有波动，但大体的梯队排名还是有参考价值的。
综合来看，根据近期的各项测评（包括一些针对事实问答、虚构信息识别的测试），国内几家主流大厂和明星创业公司的模型表现，大概可以分成这么几个梯队：
第一梯队（表现相对稳定、幻觉控制较好）：
*文心一言（百度）：在很多横向对比测试里，它的表现都挺亮眼的。比如，有人用虚构的地名和餐厅名去“钓鱼”，它能比较准确地识别出“查无此地”，而不是强行编故事。这跟百度在搜索和信息验证方面的长期积累可能有关系。
*通义千问（阿里）、Kimi（月之暗面）：这两款也是公认的“优等生”。通义千问在应对一些模糊问题时，有时会给出比较谨慎的回答；而Kimi在处理长文本和复杂指令时，逻辑一致性保持得不错。
第二梯队（表现中规中矩，或有特定短板）：
*豆包（字节）、讯飞星火（科大讯飞）：它们的风格可能更偏“保守”一些。有时候为了避免说错，会选择少说或者不展开，这反而降低了“瞎编”的风险。但在一些需要深度推理或知识面很广的问题上，可能还是会露怯。
*智谱清言（智谱AI）、百小应（百川智能）：这两家技术底蕴都很扎实。特别是百川智能，创始人是搜狗出来的，对信息的准确性和搜索验证可能有独特的理解，在某些测试里表现让人意外。
第三梯队（在某些测试中幻觉表现较明显）：
*这里就不具体点名了，但一些模型在面临“信息空白”的压力时，更容易为了完成回答任务而去“创造”内容。比如，有测评让模型介绍一个完全虚构的“拉非拉市的崇生大道”，有些模型就能给你写出一篇像模像样的介绍文，虽然它声明了这是虚构创作，但也说明了其“脑补”能力很强。
需要特别提一下的是，这个领域变化太快了，简直可以说是“一日千里”。今天表现不好的模型，可能下个月就通过更新大幅改善了。比如，有测评文章提到，腾讯的“元宝”在测评时表现不佳，但文章还没写完，它就已经修复了问题，水平提升了一大截。所以，这个排名是动态的，咱们得用发展的眼光看。
你可能要问了，既然知道会出错，为啥不把它们设计成“不知道就闭嘴”呢？哎，这里面有技术上的难处，也有点“人性化”的考量。
1.技术原理的“原罪”：大模型本质上是基于海量数据，通过概率来预测下一个词应该是什么。当它遇到知识盲区，它不会“思考”，而是会从概率上选一个最“像”正确答案的词来凑成句子。这就好比让一个背了大量范文的人现场作文，题目超纲了，他就只能硬着头皮用相似的句子往上套。
2.“考试”逼的：这一点挺有意思。有研究（比如OpenAI的论文）就指出，现在评价一个AI模型好坏，很多时候就看它答题的“准确率”。你想想，面对一道选择题，瞎蒙还有可能蒙对，直接空着肯定零分。为了在排行榜上有个好名次，模型就被“训练”得更倾向于猜测，而不是诚实地说“我不确定”。
3.数据“粮食”有问题：模型学的东西都来自训练数据。如果“喂”给它的数据本身就有错误、有偏见，或者信息过时了，那它生成的内容自然也可能带着这些毛病。
所以你看，完全消除幻觉目前看还挺难的，它是一个需要持续攻克的根本性挑战。
知道了AI会“幻觉”，咱们也不用因噎废食。关键在于怎么聪明地使用它。记住几个原则，你就能把它变成得力助手，而不是“猪队友”。
*第一，永远保持“怀疑精神”。这是最重要的！尤其是对于它给出的具体数字、人名、地点、事件时间这些“硬事实”，一定要多个心眼，自己去权威渠道核实一下。别把AI当权威，它只是个辅助工具。
*第二，学会“提问”。问得越具体、越清晰，AI越不容易跑偏。比如，别问“某某大学怎么样？”，可以问“某某大学2025年在XX省的录取分数线是多少？它的计算机专业主要课程有哪些？”。
*第三，善用它的“联网搜索”功能。现在很多AI工具都支持联网，让它自己去网上找最新、最权威的信息来回答你，这比单纯靠它脑子里的记忆要靠谱得多。
*第四，重要决策，人类把关。无论是用它辅助写报告、查资料，还是更严肃的领域，最终的判断和决定权一定要掌握在自己手里。AI生成的内容，是给你参考和启发的素材，不是最终答案。
聊了这么多幻觉的麻烦，咱们不妨也换个角度想想。这种“脑补”和“创造”的能力，如果用在合适的场景，是不是也能变成优点呢？
比如说，写故事、构思广告创意、设计游戏角色……这些需要天马行空想象力的地方，AI的“幻觉”反而可能激发出人类想不到的点子。有学者就认为，这有点像人类的“空想性错觉”——看云彩像匹马，这种联想本身就有创造力的成分。
所以，我的观点是，咱们不必对“幻觉”一味恐慌。技术的进步总是在解决问题中前进。一方面，研发者们正在通过改进算法、优化数据、调整评估标准（比如鼓励模型诚实表达“不确定”）来努力降低有害的幻觉；另一方面，作为使用者，我们提高自己的辨别力和使用技巧，才是和AI时代和谐共处的关键。
说到底，现在这个阶段的AI，就像一个非常博学、但偶尔会记混或者自己编点儿细节的朋友。咱们既欣赏它的才华和效率，也得清楚它的“小毛病”。用得好，它能帮我们打开新世界的大门；用不好，也可能被它带到沟里。保持清醒，保持好奇，这场人机协作的旅程，才会更有趣，也更安全。
3月23日 
5663 浏览
3月23日 3174 浏览
3月22日 2142 浏览
3月22日 2132 浏览
3月22日 2132 浏览
3月22日 2118 浏览
3月22日 1260 浏览
版权说明：
