英国西米德兰兹警方因依赖微软AI助手Copilot生成的虚假信息做出错误决策，陷入信任危机。代理警察局长已宣布紧急停用该工具。此前，警方曾建议禁止以色列球队球迷观赛，调查发现该决定部分基于Copilot提供的不实情报。
杭州互联网法院近日判决全国首例生成式AI“幻觉”侵权案，认定AI平台已尽合理注意义务，无主观过错，驳回原告诉求。案件源于用户查询高校信息时，AI提供错误地址并坚称属实。
百川智能推出Baichuan-M3 Plus医疗大模型，专为高可靠性医疗场景设计。该模型将“六源循证范式”融入训练与推理全流程，确保诊断建议、用药提示等均基于权威医学证据。其事实性幻觉率降至2.6%，相比GPT-5.2降低超30%，显著提升医疗AI的临床可信度。
百川智能发布Baichuan-M3Plus模型，在医疗问答准确性和可靠性上进一步提升，显著降低了幻觉率，刷新了行业纪录。
消除幻觉，多模态RAG不忘信息，智能编排前沿模型，任务表现卓越
用沁言【文献检索重磅上线】2亿文献便携检索，拒绝AI幻觉，即查即存即分析～
Basin是一款可靠性的编码工具，旨在防止AI生成的错误和幻觉。
一个用于比较大型语言模型在总结短文档时产生幻觉的排行榜。
Alibaba
$15.8
Input tokens/M
$12.7
Output tokens/M
64
Context Length
Openai
$8.75
$70
400
Iflytek
$2
-
$525
$1050
128
Baichuan
$15
32
cpatonn
Qwen3-Omni-30B-A3B-Captioner是基于Qwen3-Omni-30B-A3B-Instruct微调得到的细粒度音频分析模型，专门为任意音频输入生成详细且低幻觉的描述，在复杂多样的音频场景中表现出色。
openchs
这是一个基于Helsinki-NLP的opus-mt-mul-en模型进行微调的斯瓦希里语-英语翻译模型。该模型专门针对儿童热线服务场景进行了优化训练，采用合成的热线对话数据进行训练，具备防止生成幻觉的机制，并通过早停策略监控BLEU分数来保证翻译质量。
nightmedia
Qwen3-Next-80B-A3B-Instruct-q2-mlx是基于Qwen3-Next-80B-A3B-Instruct模型转换的MLX格式极端量化版本，主要用于文本生成任务。该版本采用q2量化，模型大小约为23GB，作为概念验证版本，可能存在重复和幻觉问题。
HugoHE
M-Hood 是一系列专门设计用于缓解目标检测中幻觉现象的模型，通过新颖的微调策略和修正的基准数据集，显著减少分布外数据上的误报，提升目标检测系统的安全性和可靠性。
stelterlab
DeepSeek-R1-0528是深度求索公司推出的升级版大语言模型，在推理能力、减少幻觉率等方面有显著提升，整体性能接近领先模型。
QuantTrio
基于DeepSeek-R1-0528-Qwen3-8B开发的量化版本模型，在推理能力、减少幻觉率等方面有显著提升，适用于多种自然语言处理任务。
Inpris
Humains-Junior是由Humains.com基于微软Phi-3.5-mini-instruct模型训练的AI助手，专门针对客户服务场景优化。该模型使用3亿个标记进行微调，具备严格的指令遵循能力、减少幻觉现象和强大的功能调用能力，并实现了身份感知。
grounded-ai
该模型用于检测语言模型输出中的幻觉现象，即响应连贯但事实错误或脱离上下文的情况。
TEEN-D
基于Llama-3.2-3B-Instruct微调的声明验证模型，专门用于检测AI生成文本中的幻觉或未支持的陈述。
5CD-AI
Vintern-3B-R-beta是一个多模态大语言模型，专注于基于图像的复杂推理任务，能分解推理步骤并有效控制幻觉现象。
DISLab
Gen-8B-R2是一个专注于减少RAG系统中幻觉问题的生成模型，特别适用于处理检索噪声和信息过载的情况。
MichielPronk
该模型专门为SemEval 2025 Task3: Mu-SHROOM竞赛任务微调，用于识别大语言模型输出中的幻觉文本片段。
yaxili96
FactCG是一个基于DeBERTa-v3-large架构的文本分类模型，专门用于检测大型语言模型生成内容中的无依据幻觉。
KRLabsOrg
LettuceDetect 是一个基于 ModernBERT 的幻觉检测模型，专为 RAG 应用设计，支持长上下文处理。
LettuceDetect 是一个基于 ModernBERT 的幻觉检测模型，专为 RAG 应用设计，能够识别答案中未被上下文支持的词元。
SeaLLMs
SeaLLMs-v3是面向东南亚语言的大语言模型系列的最新成果，在同规模模型中表现卓越，能有效处理多种东南亚语言任务，提供安全可靠的响应。该模型经过特别优化，减少了幻觉现象，并对当地语境具有敏感性。
SeaLLMs-v3是面向东南亚语言的大语言模型系列的最新版本，在同类规模模型中取得最先进的性能，在世界知识、数学推理、翻译和指令遵循等任务中表现出色，特别优化了可靠性和安全性，减少幻觉现象。
gokaygokay
基于PaliGemma-3b模型在DocCI数据集上微调的图像描述生成模型，能生成200-350字符的详细描述文本，减少幻觉现象
TroyDoesAI
基于microsoft/Phi-3-mini-128k-instruct优化的模型，专注于提升上下文遵循能力和减少幻觉现象，适用于RAG应用场景。
blueapple8259
该模型使用韩国教材数据集tiny-textbooks进行训练，性能表现欠佳且存在严重幻觉现象
Cognee是一个为AI代理提供记忆功能的开源项目，通过模块化ECL管道构建动态知识图谱，支持多种数据源和格式，减少幻觉并降低成本。
一个基于MCP协议的开发文档服务器，提供文档爬取、本地加载、精准搜索和详情获取功能，解决AI开发中的文档幻觉问题。
一个防止AI幻觉的MCP服务，当AI不确定时可以向人类提问而非盲目自信，通过简单的问答机制提升开发效率。
FOCUS DATA MCP Server是一个将自然语言转换为SQL语句的AI助手服务，采用两步生成方案控制LLM幻觉，提升非技术用户对SQL结果的信任度。
一个基于MCP协议的开发文档服务器，提供精准的框架文档检索服务，解决AI开发中的API幻觉问题。
libragen是一个本地化RAG库构建工具，用于将AI助手（如Claude）与您的实际文档和代码库进行连接，通过创建可搜索的知识库来减少AI幻觉，支持从本地文件或Git仓库构建，并通过MCP协议直接集成到AI工作流中。
NotebookLM MCP服务器的安全强化版本，提供零幻觉答案、Gemini深度研究、文档API和程序化笔记本创建功能，具备14层企业级安全防护，包括后量子加密、证书固定和合规支持。
MCP-NixOS是一个防止AI助手对NixOS系统产生幻觉的模型上下文协议服务器，提供NixOS软件包、系统选项、Home Manager设置和nix-darwin配置的实时访问。
一个基于两阶段SQL生成的MCP服务器，通过自然语言转换SQL，降低幻觉风险并提升非技术用户信任度。
基于MCP协议的Java类分析服务，通过反编译依赖JAR包为LLM提供准确的代码分析能力，解决AI编码中的依赖幻觉问题
RagAlgo是一个为AI代理提供经过数学评分的金融上下文（韩国股票/加密货币）的MCP服务器，专注于使用每日收盘数据构建“事实状态”，以防止实时市场噪音导致的AI幻觉，旨在构建投资顾问而非高频交易机器人。
GitMCP是一个免费开源的远程MCP服务器，可将任何GitHub项目转化为文档中心，使AI工具能够访问最新文档和代码，减少幻觉。
Mlx%20--%3e%3cdefs%3e%3cstyle%3e%20.st0%20{%20fill:%20%23061b40;%20}%20.st1%20{%20fill:%20%23306af1;%20}%20.st2%20{%20fill:%20%235ce5cf;%20}%20%3c/style%3e%3c/defs%3e%3cg%3e%3cpath%20class='st0'%20d='M55,10.5h9v3h-9v9h12V7.5h-12v3ZM64,19.5h-6v-3h6v3Z'/%3e%3cpolygon%20class='st0'%20points='69%2016.5%2078%2016.5%2078%2019.5%2069%2019.5%2069%2022.5%2081%2022.5%2081%2013.5%2072%2013.5%2072%2010.5%2081%2010.5%2081%207.5%2069%207.5%2069%2016.5'/%3e%3cpolygon%20class='st0'%20points='95%2010.5%2095%207.5%2083%207.5%2083%2022.5%2095%2022.5%2095%2019.5%2086%2019.5%2086%2016.5%2095%2016.5%2095%2013.5%2086%2013.5%2086%2010.5%2095%2010.5'/%3e%3cpath%20class='st0'%20d='M40,1.5v21h11.6l1.4-1.4v-7.6h0c0,0-1.4-1.5-1.4-1.5l1.4-1.4V2.9l-1.4-1.4h-11.6ZM50,19.5h-7v-6h7v6ZM50,10.5h-7v-6h7v6Z'/%3e%3c/g%3e%3cpath%20class='st1'%20d='M23.1,24L14.7,4.8l-4.9,11.2h3.8l-1.8,4H3.3L12.1,0H2C.9,0,0,.9,0,2v20c0,1.1.9,2,2,2h21.1Z'/%3e%3cpath%20class='st2'%20d='M34,0h-16.8l10.6,24h6.2c1.1,0,2-.9,2-2V2C36,.9,35.1,0,34,0ZM32.5,20h-4V4h4v16Z'/%3e%3c/svg%3e)
