待验证50% 置信基准精确时间

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20

1

来源数

50%

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

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

相关事实

待验证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）79% 相似待验证当总额被遮但每行可见时，Claude和Gemini 3 Flash全部48张算对，失败全部来自较小模型（Flash-Lite失败31%，nano失败79%），nano即便被明确要求相加也只做对12/4878% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/997261

API

curl https://kongchang.com/api/v1/knowledge/claims/997261

MCP

get_claim(id=997261)