Qwen3.8-Flash-Next
六款开源模型拒答测试差距明显，诚实回答比跑分更接近实用价值
一项针对虚假实体问题的社区测试显示，六款模型的“不知道”能力差距显著：最好与最差仅答对9题。测试规模有限，却提醒企业，模型是否会编造信息，可能比榜单分数更直接影响搜索、研究和客服系统的可信度。
找到 1 篇关于此标签的文章
一项针对虚假实体问题的社区测试显示，六款模型的“不知道”能力差距显著：最好与最差仅答对9题。测试规模有限，却提醒企业，模型是否会编造信息，可能比榜单分数更直接影响搜索、研究和客服系统的可信度。