部分验证65% 置信基准精确时间

测试覆盖了四款视觉模型：Claude Sonnet 5（Anthropic）、Gemini 3 Flash（Google）、Gemini 3.1 Flash-Lite（Google）、GPT-5.4 nano（OpenAI）

3

来源数

65%

置信度

中期 (~90 天)

时效性

2026/10/11

首次发现

有效期至：2027/1/9

来源

遮住账单总额后，视觉大模型会凭空编造数字

涉及实体

Claude Sonnet 5model Gemini 3 Flashmodel Gemini 3.1 Flash-Litemodel GPT-5.4 nanomodel Anthropiccompany Googlecompany OpenAIcompany

相关事实

待验证编造总额时各模型的中位置信度差异巨大：Gemini 3 Flash和Flash-Lite为95，GPT-5.4 nano为62，Claude Sonnet 5仅为2079% 相似待验证参测的八个模型包括 GPT-6 Luna、Claude Haiku 5.5、Gemini 3.5 Flash-Lite、Qwen 3 Next 80B、Gemma 4 31B、GPT-6 Sol、Claude Sonnet 5 和 Gemini 3.7 Flash，每个模型在每条赛道跑 107 次调查78% 相似待验证OpenAI拥有从GPT-4o mini到GPT-4o再到o1/o3的产品矩阵，Google的Gemini系列分为Nano、Flash、Pro和Ultra四档，Anthropic的Claude有Haiku、Sonnet和Opus三个层级76% 相似待验证修订版实验使用Gemini 3.7 Flash、Claude Sonnet 5.5和GPT-5.4，每个模型独立执行三次优化尝试，提示使用temperature 0和seed 076% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/997257

API

curl https://kongchang.com/api/v1/knowledge/claims/997257

MCP

get_claim(id=997257)