据 Ethan Mollick 在 X 表示，模型在幻觉测试基准 SimpleBench 上持续进步；据其引用的 SimpleBench 原始论文所述，该基准在对抗性提示下评估事实一致性，是衡量应用场景中幻觉风险的实用指标。根据论文报道，SimpleBench 得分与下游问答可靠性相关，意味着对企业级 RAG、合规内容流程具有直接业务价值。依据 Mollick 的更新结果，头部模型呈现同比提升，企业可借此降低人工复核成本、强化合规护栏，并在高事实性要求的自主代理场景中拓展应用。