人工智能评估机构Artificial Analysis最新推出AA-Omniscience基准测试体系，该体系针对40余个专业领域的大语言模型知识储备与幻觉现象进行系统性评估。测试结果显示，在关键指标上仅有三个模型能够保持正确回答率高于幻觉发生率，而Anthropic公司推出的Claude 4.1 Opus模型在核心评估维度表现最为突出。这项基准的创新之处在于首次构建了跨学科的综合知识评估框架，涵盖科学技术、人文社科等多元领域，通过严谨的测试方法量化模型在专业知识输出过程中的可靠性。值得注意的是，研究数据表明当前绝大多数模型在面临专业领域查询时，产生幻觉内容的概率仍显著高于提供准确答案的能力。该基准的建立为行业提供了重要的评估标准，对推动嵌入知识技术在现实应用场景中的落地具有里程碑意义，将助力开发者在医疗诊断、法律咨询等高风险领域更精准地评估模型适用性。