研究与基准测试/2026-11-07/18 分钟FACTS 排行榜：四项子榜一起看，模型会不会说错事实Google DeepMind 和 Google Research 把事实性拆成看图、闭卷、搜索和依据文档四项。最好的 Gemini 3 Pro 平均只有 68.8 分。多模态上 Gemini 更偏覆盖，GPT 更偏不自相矛盾。
