当前生成式 AI 基准测试虽能衡量模型在编码、指令遵循等企业任务中的表现，却普遍忽视对 “事实准确性” 的评估 —— 即模型输出信息与真实世界数据的客观一致性，尤其在处理图像、图表等多模态内容时，这一缺陷更为明显。对于法律、金融、医疗等对准确性要求极高的行业而言，缺乏标准化事实准确性评估方法已成为关键盲区。为此，谷歌 FACTS 团队联合数据科学平台 Kaggle 发布 FACTS 基准测试套件，首次构建系统性评估大语言模型事实准确性的综合框架，其测试结果揭示了行业严峻现状：包括 Gemini 3 Pro、GPT-5、Claude 4.5 Opus 在内的所有顶级 AI 模型，综合准确率均未突破 70%，为企业 AI 应用敲响 “信任但需验证” 的警钟。
FACTS 基准测试突破传统问答模式，通过四大子测试模拟生产环境中的真实失效场景，全面覆盖模型在不同场景下的事实准确性表现。其一为参数基准测试（Parametric Benchmark），评估模型仅依赖训练数据（内部知识）回答百科式问题的能力，如 “法国首都是哪里”，检验模型内部记忆的可靠性；其二是搜索基准测试（Search Benchmark），衡量模型使用网络搜索工具检索、综合实时信息的能力，即 RAG（检索增强生成）能力，模拟 “开卷考试” 场景下的信息获取与应用效果；其三为多模态基准测试（Multimodal Benchmark），聚焦模型对图表、图示、图像的准确解读能力，避免生成 “幻觉” 信息，例如正确提取财务图表中的数据；其四是落地基准测试 v2（Grounding Benchmark v2），考察模型严格依据提供的源文本回答的能力，杜绝自行发挥或编造信息，确保上下文忠实度。为避免 “测试数据污染”（模型针对已知测试题优化），谷歌公开 3513 个测试样本，同时由 Kaggle 保留私有数据集，保证测试结果的公正性与客观性。
从测试结果来看，Gemini 3 Pro 以 68.8% 的综合 FACTS 得分位居榜首，Gemini 2.5 Pro（62.1%）与 OpenAI 的 GPT-5（61.8%）紧随其后，但所有模型均未突破 70% 的准确率关口。细分数据更揭示出模型能力的显著差异：在搜索基准测试中，Gemini 3 Pro 表现突出，得分高达 83.8%，GPT-5 也达到 77.7%，表明顶级模型在借助工具获取信息时准确性较高；然而在多模态测试中，所有模型表现惨淡，即使是该类别最佳的 Gemini 2.5 Pro，准确率也仅为 46.9%，GPT-5 为 44.1%，Grok 4 更是低至 25.7%，凸显多模态 AI 在视觉信息解读上的短板。此外，模型 “查找信息” 与 “记忆信息” 的能力差距明显，以 Gemini 3 Pro 为例，其搜索能力（83.8%）远超参数基准测试中的内部知识运用能力（76.4%），GPT-5 的这一差距更达 8.9 个百分点，验证了企业架构中 “不依赖模型内部记忆获取关键事实” 的标准做法的必要性。
这一测试结果对企业 AI 应用具有重大指导意义，尤其体现在技术栈搭建与模型选型上。对于构建内部知识机器人、客户支持机器人等应用的企业，FACTS 数据明确表明：必须将模型与搜索工具或向量数据库结合，通过 RAG 技术提升准确性，而非依赖模型自身记忆 —— 这是将准确率推向生产可接受水平的唯一途径。例如，客户支持机器人需重点关注落地基准测试得分，确保严格遵循企业政策文档，而 Gemini 2.5 Pro 在该维度（74.2%）甚至优于 Gemini 3 Pro（69.0%），为选型提供了细分场景参考。对于研究助手类应用，搜索基准测试得分成为核心考量，Gemini 3 Pro 与 GPT-5 的高搜索能力使其成为优选。
而多模态任务的低准确率则为企业敲响红色警报。当前模型在解读图表、提取图像数据等任务中错误率超 50%，意味着若企业产品路线图涉及 AI 自动从发票提取数据、无人工审核解读财务图表等场景，将引入显著错误风险，可能导致财务误判、合规问题等严重后果。因此，企业在多模态 AI 应用中必须配备严格的人工审核机制，不可盲目依赖模型自主输出。
总体而言，FACTS 基准测试正逐步成为企业 AI 模型采购的标准参考。其揭示的 “70% 事实准确性天花板” 并非否定 AI 能力，而是提醒行业：AI 虽能提升效率、辅助决策，但远未达到 “绝对可靠” 的程度。技术领导者在设计系统时，需默认原始模型约三分之一的输出可能存在错误，建立 “人工监督 + 工具辅助验证” 的双重保障机制，尤其在高风险行业场景中，“信任但验证” 仍是不可动摇的准则。这一基准的推出，不仅填补了行业事实准确性评估的空白，更推动企业 AI 应用从 “追求能力提升” 向 “能力与准确性并重” 转型，为后续技术优化指明了方向。
原创文章，作者：王 浩然，如若转载，请注明出处：https://www.dian8dian.com/70-shi-shi-zhun-que-xing-tian-hua-ban-gu-ge-xin-facts-ji
