新闻事实核查机构 NewsGuard 最新发布的《AI 虚假声称监测》（AI False Claims Monitor）一周年纪念版显示，主流聊天机器人复述假新闻的比例在一年间几乎翻了一倍。这项针对十大生成式 AI 工具的测评提醒读者：模型回答得越多，并不等于越准。

整体数据：从 18% 升至 35%

NewsGuard 的监测选取已被专业事实核查证伪的时事叙事，用「普通用户」「诱导性」「恶意」三种提问方式测试模型，再由人工分析师判定回答属于「辟谣」「拒答」还是「误导」。

2025 年 8 月的测评中，十大聊天机器人在时事类问题里复述虚假说法的比例达到 35%，而一年前的 2024 年 8 月这一数字仅为 18%。与此同时，模型对敏感问题「拒绝回答」或「表示不知道」的比例，从约 31% 骤降到几乎为零——聊天机器人现在几乎来者不拒，但超过三分之一的回答夹带着可证伪的假话。

单模型对比：差距悬殊

把十大模型拆开看，假话率呈现明显梯度：

• Inflection 的 Pi：约 56.67%，全场最高
• Perplexity：约 46.67%，一年前还是 100% 辟谣率，跌幅最猛
• ChatGPT 与 Meta 的 Llama：均约 40%
• 微软 Copilot 与 Mistral 的 Le Chat：均约 36.67%
• xAI 的 Grok、You.com：约 33%
• 谷歌 Gemini：约 16.67%
• Anthropic 的 Claude：约 10%，表现最稳

也就是说，最稳的 Claude 与最离谱的 Pi 之间，假话率相差超过五倍。Perplexity 的滑落尤其刺眼：一年前它对测试中的虚假叙事能做到零失误，如今却在近一半的回答里复述假话。

为什么变差了：联网检索打开了攻击面

NewsGuard 将恶化归咎于产品取舍。过去模型面对数据空白或敏感话题会倾向拒答，这种「不知道就别说」的策略虽让用户恼火，却把风险挡在外面。引入实时联网搜索后，模型不再拒绝回答，却开始从被污染的互联网信息环境中取信——其中既有低质内容，也有蓄意投放的虚假信息。

报告记录了俄罗斯虚假信息网络 Storm-1516 与 Pravda 的运作手法：约 150 个设在莫斯科、模仿正规媒体的亲克里姆林网站，专门向 AI 系统投喂假叙事。测试抛出一个关于摩尔多瓦议长伊戈尔·格罗苏的伪造说法时，十大聊天机器人中有六个（Mistral、Claude、Inflection 的 Pi、Copilot、Meta、Perplexity）把它当成事实复述，并引用 Pravda 网络作来源。微软 Copilot 在 2025 年 3 月停止直接引用 Pravda 后，改用该网络在俄罗斯平台 VK 上的社交媒体帖子当出处，继续被利用。

给用户与企业的提醒

NewsGuard 建议，把任何聊天机器人的输出都当作草稿：要求给出信息来源，在企业流程里建立核查环节，不要在未核实前把 AI 回答当作结论。OpenAI 也曾公开承认，语言模型本质上会「幻觉」，因为它预测的是最可能的下一个词，而非事实本身。

这项测评并非通用准确率排行榜，而是一次针对新闻、政治、健康与企业声誉等高利害场景的压力测试。它的结论很直接：当 AI 成为越来越多人获取信息的入口，模型本身的可靠性反而整体下滑，这给整个行业和普通用户都敲响了警钟。

来源：NewsGuard《AI False Claims Monitor》（多家媒体转述，包括 The Decoder、PC Guide 等）

从段子到”权威答案”

最先注意到这一异常的是科技媒体 Futurism。当用户搜索 Flock 摄像头的废品回收价值时，谷歌的人工智能摘要给出的答复相当具体：单台设备的电路板和线路中含有 1 到 5 克黄金，另有 2 到 23 磅可回收的铜。

问题在于，Flock 的这类摄像头整机重量只有约 3 磅。一台 3 磅重的设备不可能装下 23 磅铜。同样值得注意的是，消费电子产品中的贵金属通常只以微量形式存在，回收需要昂贵的工业流程，实际残值往往只有几美分级别，远达不到”值得拆解”的程度。

追溯谷歌所引用的信息源后，情况变得更清楚：一处是一篇匿名的 Substack 博客文章，其中把废品价值标注为 150 至 500 美元，并自称是基于”废品价值讨论”得出的估算；另一处则是一条由人工智能生成的 Instagram 帖子。两者都不包含任何真实的拆机数据。

反讽被当成了参数表

这些数字的源头，是围绕 Flock 设备形成的一种网络调侃。Flock Safety 运营的是一套自动车牌识别系统，摄像头拍摄经过的车辆，将车牌转换为可检索的文本，连同车型描述、位置和时间戳一起上传到云端数据库，供获得授权的用户查询。这类系统在隐私议题上长期存在争议，一些社区便用夸张的”废品价值”作为调侃素材，本质上是玩笑与表态的混合体。

按照相关报道的分析，谷歌的系统没有识别出其中的反讽成分，而是把这些帖子当成了直白的事实陈述，并原样复述出来。人工智能摘要在设计上追求简洁笃定的表达，语气上的确定性本是产品卖点，但这也意味着一句拆设备的玩笑，会以与产品规格书完全相同的口吻被输出——没有保留、没有存疑提示。

在错误被曝光后，谷歌已修正了相关回答。目前搜索同一问题，系统会明确指出：声称单台设备含有 2 至 23 磅铜的说法源自网络谣言与人工智能幻觉，完全不实，因为整个摄像头外壳只有约 3 磅重，黄金也仅以小型电子设备常见的微量形式存在。略显讽刺的是，修正后的答案所引用的来源，正是报道这次失误的一系列媒体文章。

不是第一次把玩笑当真

这类失误此前已有先例。谷歌的人工智能摘要曾把 Reddit 上的一条老玩笑当作正经建议，提示用户在披萨上涂抹胶水以防止奶酪滑落。两次事件的机制高度相似：模型抓取到了公开网络上的文本，却没有对其语境、可信度乃至基本物理常识做出判断。

对使用者而言，这次事件提示了一个容易被忽略的区别：一条摘要”附有来源”，并不等于这些来源真的支撑了摘要中的具体结论。当查询内容涉及金额、健康、安全等有实际后果的场景时，点开原始链接核对，仍然是必要的一步。

而在讽刺和夸张本就是主流表达方式的网络社区里，这类系统性风险短期内恐怕难以彻底消除。

来源：TechSpot / Futurism / Gizmodo

2026年7月，加拿大新不伦瑞克省（New Brunswick）的省议员比尔·奥利弗（Bill Oliver）在议会发表演讲时，上演了一出令人哭笑不得的”AI翻车”现场。

演讲中，奥利弗原本正在严肃地讨论公众对公职人员信任度的问题。他说道：”公众对倡导者办公室的信心至关重要。”紧接着，他突然话锋一转，念出了一句让全场错愕的话：

“Here’s a more natural, flowing version of that section that reads like a legislative speech rather than a series of short points.”

（”以下是该部分更自然、流畅的版本，读起来像立法演讲，而不是一系列简短的要点。”）

这句话显然不是演讲稿的正文——而是一个AI聊天机器人的提示词（prompt）。奥利弗在准备演讲时，很可能是将一段文字粘贴给了AI工具要求润色，然后不假思索地把AI返回的完整内容（包括提示词本身）复制粘贴到了演讲稿中，并在议会现场照本宣科地念了出来。

网友反应：”高中生写论文都不敢这么干”

这段视频被上传至社交媒体后，迅速引发了加拿大网民的集体吐槽。

在新不伦瑞克省的Reddit论坛上，评论几乎一边倒地表达了对这位议员的失望：

• “如果这样都没有后果，那我们对自己高中生论文的标准，比对民选官员还高。”
• “如果他是律师，早就被制裁了。为什么民选代表就可以不一样？”
• 还有网友用”令人沮丧””阴暗””蠢蛋治国”（idiocracy）等词汇来形容这一事件。

更有不少人直接呼吁奥利弗辞职。

不独有偶：AI”幻觉”正在渗透政坛

事实上，这并非AI首次在政治领域闹出笑话。就在2026年5月，《纽约时报》就曾发布更正声明，承认一篇报道中引用的加拿大保守党领袖皮埃尔·波利耶夫（Pierre Poilievre）的”原话”，实际上是AI工具对波利耶夫政治观点的总结，却被AI改写成了看起来像直接引语的文字。记者在使用AI工具返回的内容之前，没有进行事实核查。

更早之前，纽芬兰与拉布拉多省的旅游部长安德莉亚·巴伯（Andrea Barbour）因使用AI修改了一张博物馆照片并在社交媒体上发布，同样引发了轩然大波，最终不得不在议会中含泪道歉。

法律界的”前车之鉴”

奥利弗的失误之所以引发如此强烈的批评，很大程度上是因为法律界已经有了大量惨痛教训。

过去一年多来，全球多地出现了律师将AI生成的内容（包括虚构的案例法、伪造的引用和杜撰的法官名言）直接提交给法庭的事件。仅2026年6月，就有多起律师因AI”幻觉”（hallucination）而受到处罚：

• 美国一家上诉法院的两名律师因提交充斥着AI幻觉的法律文件而受到制裁；
• 同一周，密西西比州一起诉讼中，双方共四名律师因类似错误被罚款，其中两人被禁止在未来两年内出现在该联邦地区法院。

这些案例说明了一个共同的问题：AI生成的内容虽然”听起来像那么回事”，但它并不保证真实性和准确性。对于需要严格事实依据的政治和法律领域来说，将AI输出不加审核地直接使用，后果可能是灾难性的。

这件事给所有人的警示

加拿大议员的这次”翻车”，表面看是一场闹剧，背后却折射出一个值得深思的问题：

当AI可以轻易地生成一篇”听起来还不错”的演讲稿、法律文书甚至新闻报道时，人类自身的能力和责任意识是否在悄然退化？

正如一些评论所指出的：”AI生成的内容不会打动人心，使用它的人也不在乎听众。他们知道AI足以糊弄过去，说得像模像样。但他们没意识到的是，努力本身就是有意义的——而把你的大脑外包给一个冷冰冰地模仿人类说话的工具，恰恰传达出的是相反的信号。”

这件事对所有使用AI辅助工作的人都是一个提醒：AI可以是工具，但不能是替身。在点击”复制粘贴”之前，至少先读一遍——这要求不算高。