Gemini 3 Pro 刚刚在我们的新 AA-Omniscience 指数中获得了第 #1 名——但这是一个复杂的故事 AA-Omniscience 是我们新的知识和幻觉评估。Gemini 3 Pro 的领导地位源于其高准确率（正确百分比）；该模型的得分比下一个最高准确率的模型 Grok 4 高出 14 分。Gemini 3 Pro 在评估中的幻觉率为 88%，与 Gemini 2.5 Pro 和 Gemini 2.5 Flash 相同。这表明 Gemini 3 Pro 在知识方面取得了显著进展，但在幻觉倾向上并没有实质性的改善。 我们根据模型在应该拒绝时错误回答的频率来衡量幻觉率，定义为错误答案占所有非正确尝试的比例。在 AA-Omniscience 中，我们发现准确率与幻觉率之间几乎没有相关性。 此外，我们发现开放权重模型的大小与准确率之间存在高度相关性（但与幻觉率无关）。因此，Gemini 3 Pro 的非常高的准确率表明它是一个非常大的模型。 有关 AA-Omniscience 的更多详细信息，请参见下文 👇

xAI 本该将 Grok 4.1 称为 "Grok 4.5"，因为这个跳跃实在太大了 Grok 4.1 使用大规模的强化学习和新的代理奖励模型来提升： - 创意写作 - 个人语调控制 - 情感智能 而最大的胜利，鲜有人注意到的是，幻觉的显著减少： • Grok 4: 12.09% • Grok 4.1: 4.22% 这大约是幻觉减少了三倍，约为三分之二的减少