OpenAI升级GPT-5.5 Instant模型，显著增强意图识别与引申义捕捉能力，复杂任务处理更稳定。该模型5月5日发布，高风险领域幻觉率下降52.5%，数学、科学及视觉推理进步明显。5月30日的更新进一步优化回复自然度。
OpenAI于6月25日推出轻量模型GPT-5.5 Instant新版，核心升级聚焦提升“洞察力”与任务执行稳定性，使AI更精准把握用户意图。自5月首发以来，该模型在医学、金融及法律等高风险领域幻觉率已大幅降低52.5%，数理推理能力突出。本次迭代则在此基础上再进一步，强化专业场景下的可靠表现。
彩虹无线联合中科大脑发布“一修大模型”及“IF-Link mini智能栈”，聚焦汽车售后维修领域。针对新能源车渗透率提升和车辆架构复杂化带来的维修难题，该模型通过超千万台车辆数据训练，解决通用大模型在专业领域数据不足、易产生“幻觉”的问题，以AI软硬一体化方案提升诊断效率。
大模型“幻觉”问题（输出事实性错误）在医疗、法律等高危领域尤为严重。业界对抗幻觉的两大主流方法——扩大训练数据与设置防御机制——均有局限：数据无法覆盖所有事实，防御机制则常导致AI过度谨慎。
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
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。
一个用于检测幻觉的开源评估模型，基于Llama-3架构，拥有700亿参数。
开源幻觉评估模型
Openai
$2.8
Input tokens/M
$11.2
Output tokens/M
1k
Context Length
Google
$0.49
$2.1
Xai
$1.4
$3.5
2k
$7.7
$30.8
200
-
Anthropic
$105
$525
$0.7
$7
$35
$17.5
$21
Alibaba
$4
$16
$1
$10
256
Baidu
128
$2
$20
$6
$24
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
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。
%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)
'%3e%3cpath%20d='M55.2622%2038L48.2289%2022L44.1206%2031.3333H47.2539L45.7872%2034.6667H38.7622L46.0956%2018H37.6706C36.7539%2018%2036.0039%2018.75%2036.0039%2019.6667V36.3333C36.0039%2037.25%2036.7539%2038%2037.6706%2038H55.2622Z'%20fill='white'/%3e%3cpath%20d='M64.3368%2018H50.3535L59.1535%2038H64.3368C65.2535%2038%2066.0035%2037.25%2066.0035%2036.3333V19.6667C66.0035%2018.75%2065.2535%2018%2064.3368%2018ZM63.0868%2034.6667H59.7535V21.3333H63.0868V34.6667Z'%20fill='%23FFCC66'/%3e%3cpath%20d='M89.3379%2026.75V29.25H81.8379V36.75H91.8379V24.25H81.8379V26.75H89.3379ZM84.3379%2034.25V31.75H89.3379V34.25H84.3379Z'%20fill='white'/%3e%3cpath%20d='M103.504%2036.75V29.25H96.0039V26.75H103.504V24.25H93.5039V31.75H101.004V34.25H93.5039V36.75H103.504Z'%20fill='white'/%3e%3cpath%20d='M115.17%2026.75V24.25H105.17V36.75H115.17V34.25H107.67V31.75H115.17V29.25H107.67V26.75H115.17Z'%20fill='white'/%3e%3cpath%20d='M80.1712%2029.25V29.175L78.9962%2028L80.1712%2026.825V20.425L78.9962%2019.25H69.3379V36.75H78.9962L80.1712%2035.575V29.25ZM77.6712%2034.25H71.8379V29.25H77.6712V34.25ZM77.6712%2026.75H71.8379V21.75H77.6712V26.75Z'%20fill='white'/%3e%3c/g%3e%3cg%20clip-path='url(%23clip1_644_3948)'%3e%3cpath%20d='M169.59%2022.9827L169.59%2023.6491H177.409L168.175%2032.8822L169.118%2033.8248L178.351%2024.5917L178.352%2032.4106H179.685V22.3164L179.018%2022.3157H169.59V22.9827Z'%20fill='white'/%3e%3c/g%3e%3cdefs%3e%3cclipPath%20id='clip0_644_3948'%3e%3crect%20width='80'%20height='20'%20fill='white'%20transform='translate(36%2018)'/%3e%3c/clipPath%3e%3cclipPath%20id='clip1_644_3948'%3e%3crect%20width='20'%20height='20'%20fill='white'%20transform='translate(164%2018)'/%3e%3c/clipPath%3e%3c/defs%3e%3c/svg%3e)
