2024年10月，OpenAI推出了一款名为**SimpleQA**的全新评测基准，旨在解决语言模型生成内容中的“幻觉”问题（即模型生成看似合理但实际错误的信息），并通过开源方式推动AI生成内容的可靠性发展。这一基准的发布标志着AI领域在事实性评估方面迈出了重要一步。
| 模型简称 | 得分 | 发布机构 | 发布时间 | 参数规模（亿） |
|---|---|---|---|---|
| GPT-4.5 | 62.5 |
|
2025-02-28 | 未知 |
| Gemini 2.5 Pro Experimental 03-25 | 52.9 |
|
2025-03-25 | 0.0 |
| Gemini 2.0 Pro Experimental | 44.3 |
|
2025-02-05 | 未知 |
| Grok 3 | 43.6 |
|
2025-02-17 | 未知 |
| OpenAI o1 | 42.6 |
|
2024-12-05 | 未知 |
| GPT-4o(2024-11-20) | 38.8 |
|
2024-11-20 | 未知 |
| GPT-4o | 38.2 |
|
2024-05-13 | 未知 |
| DeepSeek-R1 | 30.1 |
|
2025-01-20 | 6710.0 |
| Gemini 2.5 Flash | 29.7 |
|
2025-04-17 | 未知 |
| Claude 3.5 Sonnet New | 28.4 |
|
2024-10-22 | 0.0 |
| DeepSeek-V3 | 24.9 |
|
2024-12-26 | 6810.0 |
| Hunyuan-TurboS | 22.8 |
|
2025-03-10 | 未知 |
| Llama3.1-405B Instruct | 17.1 |
|
2024-07-23 | 4050.0 |
| OpenAI o3-mini (high) | 13.8 |
|
2025-01-31 | 未知 |
| Mistral-Small-3.1-24B-Instruct-2503 | 10.43 |
|
2025-03-17 | 240.0 |
| Gemma 3 - 27B (IT) | 10.0 |
|
2025-03-12 | 270.0 |
| GPT-4o mini | 9.5 |
|
2024-07-18 | 0.0 |
| Claude 3.5 Haiku | 8.02 |
|
2024-10-22 | 0.0 |
| C4AI Aya Vision 32B | 7.65 |
|
2025-03-04 | 320.0 |
| Gemma 3 - 12B (IT) | 6.3 |
|
2025-03-12 | 120.0 |
得分:
62.5
发布时间:
2025-02-28
参数规模(亿):
未知
得分:
52.9
发布时间:
2025-03-25
参数规模(亿):
0.0
得分:
44.3
发布时间:
2025-02-05
参数规模(亿):
未知
得分:
43.6
发布时间:
2025-02-17
参数规模(亿):
未知
得分:
42.6
发布时间:
2024-12-05
参数规模(亿):
未知
得分:
38.8
发布时间:
2024-11-20
参数规模(亿):
未知
得分:
38.2
发布时间:
2024-05-13
参数规模(亿):
未知
得分:
30.1
发布时间:
2025-01-20
参数规模(亿):
6710.0
得分:
29.7
发布时间:
2025-04-17
参数规模(亿):
未知
得分:
28.4
发布时间:
2024-10-22
参数规模(亿):
0.0
得分:
24.9
发布时间:
2024-12-26
参数规模(亿):
6810.0
得分:
22.8
发布时间:
2025-03-10
参数规模(亿):
未知
得分:
17.1
发布时间:
2024-07-23
参数规模(亿):
4050.0
得分:
13.8
发布时间:
2025-01-31
参数规模(亿):
未知
得分:
10.43
发布时间:
2025-03-17
参数规模(亿):
240.0
得分:
10.0
发布时间:
2025-03-12
参数规模(亿):
270.0
得分:
9.5
发布时间:
2024-07-18
参数规模(亿):
0.0
得分:
8.02
发布时间:
2024-10-22
参数规模(亿):
0.0
得分:
7.65
发布时间:
2025-03-04
参数规模(亿):
320.0
得分:
6.3
发布时间:
2025-03-12
参数规模(亿):
120.0