五款前沿模型互查事实，六成以上判断不一致

五个前沿大模型核查同一批997条真实声明时，六成以上判断不一致——这意味着不同模型的AI核查结论不能互换采信。

此前若只看单一模型的核查结果，读者无从知道其他模型是否会同意；而模型普遍自报高自信，容易让人误以为结论可靠。

这项自测由事实核查平台Lenz.io团队完成并发布在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。

该结果未经人工标注复测，也无第三方团队重复验证；测试样本为2026年5月至7月的用户提交声明，发布于LessWrong。