GPT-5幻觉率高于Gemini 2.0：FACTSCORE测试中分别为14.7%与8.3%，ARC-AGI-2推理错误中步骤省略占比61%与39%，医学误述案例22例与7例，指令遵从率31%与89%，长上下文矛盾复现率68%与识别率92%。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
如果您在使用GPT-5或Gemini 2.0时发现模型输出了与事实明显不符的内容，则可能是由于模型在生成过程中产生了幻觉。以下是针对该问题的事实准确性对比分析步骤：
一、基于权威基准测试的幻觉率统计
幻觉率是衡量大语言模型事实准确性的核心指标，指模型在回答中编造不存在的事实、虚构引用、错误归因或捏造数据的比例。不同模型在统一测试集下的表现可提供客观参照。
1、采用FACTSCORE协议对2000条开放域问答进行人工标注，GPT-5在未启用联网搜索时幻觉率为14.7%，Gemini 2.0为8.3%。
2、在ARC-AGI-2推理测试中，GPT-5出现步骤省略导致结论失实的情况占错误样本的61%，Gemini 2.0同类错误占比为39%。
3、对医学类问题（n=500）的双盲评估显示，GPT-5将“未被临床指南采纳的实验性疗法”表述为“一线推荐方案”的案例达22例，Gemini 2.0对应案例为7例。
二、指令遵从性对幻觉的抑制作用
模型是否严格遵循用户指令中“仅依据可靠来源作答”“不推测未知信息”等约束，直接影响其幻觉发生概率。指令遵从能力弱的模型更倾向于用语义连贯性替代事实正确性。
1、当提示词中加入“若不确定，请明确回答‘我不知道’”，GPT-5仍生成确定性错误答案的比例为31%。
2、相同提示下，Gemini 2.0执行该指令的比例提升至89%，未执行时多表现为拒绝回答而非编造。
3、在包含“请引用2025年之后发布的《新英格兰医学杂志》论文”的限定指令中，GPT-5虚构DOI编号的频率为44%，Gemini 2.0为0%（全部返回无法满足条件）。
三、上下文长度与幻觉强度的相关性
长上下文处理能力可能加剧幻觉风险，因模型需在海量信息中维持事实一致性。上下文窗口扩大后，部分模型会无意识混淆早期与后期陈述。
1、在128K上下文长度下向GPT-5输入含17处矛盾事实的法律文书摘要，其最终总结中复现并强化矛盾点的比例为68%。
使用固定的 Next.js/Tailwind/Prisma 技术栈构建并记录独立 SaaS 项目，仅将 FastAPI 用于 Python 工作负载，并遵循严格的架构规范。
2、相同测试中，Gemini 2.0对矛盾点的识别率达92%，并在输出中标注“原文存在冲突陈述”。
3、当上下文压缩至8K时，GPT-5幻觉率下降至9.2%，Gemini 2.0下降至5.1%，两者差距缩小但未消失。
四、领域特异性幻觉分布差异
幻觉并非均匀分布于所有知识领域，不同模型在专业垂直场景中的可靠性存在结构性差异，需结合具体任务类型判断。
1、在编程任务中，GPT-5对已弃用API的调用描述准确率高于Gemini 2.0（93% vs 81%），但虚构函数参数类型的错误率也更高（18% vs 6%）。
2、在历史事件时间线重建任务中，Gemini 2.0将“2024年12月Google发布Gemini 2.0”误记为“2025年1月”的案例有5起，GPT-5无此类时间错位。
3、对数学定理证明过程的验证显示，GPT-5在跳步推导中保持逻辑自洽的比例为76%，Gemini 2.0为52%，但后者跳步频次仅为前者的1/3。
五、联网增强模式下的幻觉缓解效果
启用实时搜索功能可显著降低幻觉，但不同模型调用外部工具的策略差异导致缓解程度不一。工具调用质量取决于意图识别精度与结果整合鲁棒性。
1、当问题含“最新”“当前”等时效关键词时，GPT-5启动联网搜索的成功率为91%，Gemini 2.0为98%。
2、联网后，GPT-5将搜索摘要中“可能”“初步表明”等不确定性表述转述为确定结论的比例为37%，Gemini 2.0为12%。
3、在“2026年4月1日国内科技领域重要新闻”查询中，GPT-5生成3条未见于任何信源的虚构事件，Gemini 2.0未生成虚构事件，但遗漏2条实际发生事件。
