谷歌DeepMind近日发布“FACTS基准测试套件”，首次系统性评估AI模型在事实准确性方面的表现。测试涵盖四大领域：基于内部知识回答事实类问题、有效使用网络搜索、依据长文档生成回答，以及图像理解。结果显示，目前表现最佳的模型——谷歌自研的Gemini 3 Pro，准确率仅为69%。其他主流AI模型的准确率则更低。 这一数据令人警醒。若一名记者撰写的报道仅69%准确，其工作极可能被立即解雇。而AI在实际应用中，哪怕微小的事实错误，也可能在金融、医疗、法律等高风险领域引发严重后果。例如，有律所因员工使用ChatGPT撰写法律文件时引用了虚构判例，导致文件被驳回，最终该员工被开除。 尽管AI在语言流畅度和响应速度上已远超人类，但其在复杂推理、专业领域知识和信息溯源方面仍存在明显短板。FACTS基准测试的意义不仅在于揭示问题，更在于为AI发展提供明确改进方向。通过量化模型的失败场景，研究者可更有针对性地优化系统。 当前的现实是：AI正在快速进步，但依然在三分之一的时间内给出错误答案。对依赖AI的企业而言，这提醒必须建立严格的内容审核机制，不能盲目信任AI输出。技术的演进需要理性对待，事实准确性仍是AI迈向可信落地的关键门槛。