五款前沿模型核查同一批声明，六成判断不一致

一项自测研究让五个前沿大模型核查同一批997条真实声明，六成以上判断不一致。

研究由事实核查平台Lenz.io团队发布在LessWrong，用的是2026年5月至7月用户真实提交的核查声明，而非公开基准题。五个模型中，判断完全一致的只占37%，有23%的声明上最远判断相差至少两个档位。

模型普遍过度自信：76%的回答自报9或10分自信，但分歧仍是63%。团队明确说明未做人工标注，因此只能测分歧，无法判断哪个模型更准。

对读者而言，可用结论是：不同模型对同一事实的核查结论不能互换采信，单一模型的高自信也不代表其他模型会同意。