Full Fact记录67条模型错误回答

关键事实

Full Fact 记录39类重大错误，涉及不同模型的67条错误回答。

测试覆盖 Gemini 2.5 Flash、2.5 Pro、3.1 Pro、Grok 4 和 ChatGPT 5 的 API 回答。

同一问题在辟谣发表后复测时，部分模型改正答案，另有错误继续出现或出现新错误。

OpenAI 说该测试不等同普通 ChatGPT 使用；Google 说测试使用的开发者渠道旧模型不代表多数用户体验。

在核查发表前提问，再记录模型答案

Full Fact 说，它从2026年2月起，在每篇核查文章发表前，将读者可能提出的中性问题分别交给 Gemini 2.5 Flash、2.5 Pro、3.1 Pro、Grok 4 和 ChatGPT 5，并记录回答是否准确。前五个月，研究人员归出39类重大错误，合计67条错误回答。

记录的案例包括：多款模型把瑞安航空客机窗户事故的一张AI生成图片认作真实照片；Grok 把犹太慈善机构救护车着火的假图认作 Golders Green 纵火现场；Grok 与部分 Gemini 模型把旧火灾画面或错误字幕视频说成伊朗与以色列冲突中的新现场。

辟谣发布后，答案出现不同变化

Full Fact 在发布辟谣文章后再次提出同一问题。该机构记录，最初在瑞安航空假图和被错标的绿党视频上出错的模型后来都给出了更正；两款 Gemini 模型仍把一张 Artemis II 地球AI图像说成真实。

Grok 曾正确回答基尔·斯塔默没有禁止 Zohran Mamdani 入境英国，但此前错误称 Mamdani 说过英国“失去道德指南针”；在相关辟谣发布后，它改正前一项说法，又错误称 Mamdani 不是纽约市长。

公司对测试渠道和版本的回应

OpenAI 对 Full Fact 表示，机构通过 API 测试、且提示中包含第三方社交媒体链接，这与普通用户在 ChatGPT 产品中的使用情境不同；OpenAI 同时称提升事实准确性仍是重点。X 没有回应关于 Grok 错误的置评请求。

Google 发言人说，研究通过开发者渠道访问的 Gemini 版本已经过时，不能代表大多数人的使用；Google 称在网站端重测相同说法时，结果持续给出辟谣。Full Fact 在9月2日更新文章，将错误回答总数说明为67条。