事实性

模型是否说了不符合事实的话，以及在它不知道的时候是否会拒答。两项指标分别衡量，变化趋势也可能不同：一项是准确率，一项是自信错答率。

按有多少个基准把该模型排进各自的前 10 名来排序，并列时看它的最佳名次。每一列保持各自的顺序，此处不做任何平均。

模型	进入前 10	Artificial Analysis LLM Leaderboard AA-Omniscience Index	Artificial Analysis LLM Leaderboard AA-Omniscience Non-Hallucination Rate
Grok 4.6 xai	2/2	#4 30.5	#8 76.0%
Claude Fable 5 (Opus 4.8 fallback) anthropic	1/2	#1 43.3	#56 36.4%
MiniCPM5-1B openbmb	1/2	#30 -0.800	#1 99.1%
Claude Opus 5 anthropic	1/2	#2 37.1	#48 40.5%
G9v3-3B ai9star	1/2	#36 -4.367	#2 88.3%
Gemini 3.1 Pro Preview google	1/2	#3 31.9	#41 49.1%
G9v3-39A5B ai9star	1/2	#20 3.767	#3 87.0%
Command A+ cohere	1/2	#34 -4.017	#4 85.8%
Muse Spark 1.2 meta	1/2	#5 27.2	#25 66.7%
Grok 4.3 xai	1/2	#12 16.7	#5 83.1%
Gemini 3.7 Flash google	1/2	#6 26.5	#58 35.5%
MiniMax-M3 minimax	1/2	#25 1.350	#6 81.6%
Grok 4.5 xai	1/2	#7 25.3	#44 45.9%
K-EXAONE 2.0 0803 lg	1/2	#37 -6.600	#7 77.4%
Gemini 3.6 Flash google	1/2	#8 22.1	#45 44.4%
GPT-5.6 Sol openai	1/2	#9 22.0	#141 10.6%
Solar Pro 4 upstage	1/2	#31 -0.850	#9 75.6%
Gemini 3.5 Flash google	1/2	#10 20.8	#53 38.2%
MiMo-V2.5-Pro xiaomi	1/2	#23 3.250	#10 75.3%

破折号表示该数据源未收录这个模型，而不是它得了零分。模型名录中没有条目的模型不在此处出现，因为它们无法跨数据源对齐——它们仍会显示在各自数据源的看板上，并带有标记。