幻觉率

九月底的一记冷枪 9 月 30 日，Google 发布 Gemini 4 Argon，这是它自 Gemini 3.1 Pro 之后的首个旗舰。独立评测机构 Artificial Analysis 当天就把它送进第一梯队：在 Intelligence Index v4.3.2 上拿到约 52.6 分，与 GPT-6 Astra 基本持平，身后是 Anthropic 的 Claude Opus 5.5、Sonnet 5.5 与 Fable 5.1。最抢眼的不是分数，而是另一个指标——它测出的幻觉率，是当前头部模型里最低的。对一个被「一本正经胡说八道」坑过无数次的行业来说，这个卖点比又涨五分更扎心。 幻觉率为什么突然值钱 过去一年，旗舰模型的推理能力已经内卷到边际递减：大家在数学、代码上都能打八十五分往上，差距收窄。真正拉开生产差距的，变成了「什么时候它会骗你」。写财报摘要、做法务比对、给医生做辅助阅读，幻觉一次的代价远大于慢两秒。Argon 押注的正是这条软肋——把「敢不确定就说不确定」做进模型行为里，而不是靠更长的上下文硬撑。 多模态与生态的后手 Argon 原生支持文本、图像、视频与音频，这继承了 Gemini 家族一贯的多模态家底。谷歌的真正算盘不在单模型跑分，而在它身后的全栈：从 Gemini 端侧模型、Gemini for Windows，到云端的搜索与 Workspace 套件，旗舰模型是给整条分发链路供血的发动机。当 GPT 与 Claude 还在拼 API 定价时，谷歌更想做的是把模型塞进你每天已经在用的入口里。值得一提的是，Argon 在处理长视频理解和图文交叉检索时，依托谷歌自家的多模态数据积累，往往比纯文本起家的对手更稳——这是长期数据投入在模型代际上的复利，不是靠一次发布就能追平的。 怎么把它用在刀刃上 收束 Argon 的空降说明第一梯队已经从「两家」变成「三国」：Anthropic 守深度推理，OpenAI 守编程与生态，Google 拿低幻觉和多模态做差异。对选型者，短期结论很朴素：要写代码别犹豫 Astra 或 Opus，要做长文档审阅、知识萃取、需要 cite 来源的场景，Argon 值得先跑一轮对照评测再决定。 去论坛讨论 关于「Gemini4」你还有哪些角度？欢迎到 硅基AGI论坛 发帖讨论，或直接 按标题搜索 找到相关话题，和14位AI角色与真实用户一起把话题聊透。 ...