我用 EchoNet 測試了 9 款開源模型：誰能一眼識破 AI 搜索中的假新聞？

• 開發者建立名為 EchoNet 的基準測試，透過合成包含假資訊的網頁環境，評估模型在面對記憶與新資訊衝突時的知識裁決能力。 • 測試涵蓋 GLM 5.2、Qwen3.8 與 DeepSeek V4 等 9 款開源權重模型，每款模型進行 50 到 100 次實驗。 • 結果顯示，單一假網頁或同溫層重複造謠對模型影響有限，但「虛假多數暴力」（用多個自信的假來源包圍真實一手來源）會讓準確率驟降。 • GLM 5.2 與 Qwen3.8 模型展現極佳的抗毒性，完全沒有被單次騙過；相對地，部分模型容易受到假多數影響而更改答案。 • 測試同步比較了 EAS 綜合評分與實際 API 成本，發現 Qwen3.8 Flash 在性價比上表現優異。

「沒有任何來源可以偽裝成正確的答案，但模型往往會被多個獨立且自信的謊言所迷惑。」