币圈界报道：

多款先进AI对同一陈述判断差异显著

针对由真实用户提交的1000条事实核查请求，五种领先人工智能系统在真实性评估中表现出明显不一致性。研究显示，在超过六成的案例中，至少有一个模型的判定与其他多数意见相左。

真实场景测试揭示模型判断脱节

实验选取GPT-5.4、Claude Opus 4.7、Gemini 3 Pro、Gemini 3 Pro搜索增强版及Sonar Pro等模型，要求其从“完全真实”“基本真实”“存在误导”“完全虚假”四个类别中选择最符合的标签。所有测试语料均来自未被训练数据覆盖的真实用户申报内容，确保无预设答案可依。

模型间一致性水平处于弱区间

采用克里彭多夫阿尔法系数评估，结果显示一致性值为0.639，低于学术界普遍认可的0.8阈值，表明各模型判断虽具结构性而非随机，但尚不足以构成可互换的权威判断群体。在328条达成一致的声明中，模型从未共同认定任何一条为“基本真实”，仅四例被一致标记为“存在误导”。

典型争议案例暴露认知裂痕

例如关于世界银行在尼日利亚投资规模的陈述，不同模型给出截然相反结论：一者判为“基本真实”，另一者视为“虚假”，而增强版本则标注为“存在误导”。另一则涉及特朗普外交表态的声明，各模型分别判定为虚假、基本真实、虚假与真实，反映出对复杂政治表述的理解偏差。

事实核查依赖面临信任危机

当公众将同一声明输入多个主流AI平台时，可能获得三套互异结论。这引发根本性质疑：若多数意见本身并非真理，又如何作为裁决依据？研究强调，当前模型共识不能替代事实真相，个别异议模型反而可能更接近正确方向。目前缺乏有效仲裁机制，也无上诉路径，使系统性误判风险持续存在。