OpenAI家新出的这个o3模型啊，简直就是个"脑补帝"！根据他们自己人和外面团队的测试，这o3特别爱瞎编乱造，比它家其他几个兄弟模型都能吹。具体有多夸张呢？在他们家的"常识问答考试"里：
- o3每说3句话就有1句是瞎掰的（33%胡扯率）
- 对比它两个老实巴交的哥哥：o1只有16%瞎说，o3-mini更乖只有14.8%
- 结果还有个更离谱的学渣o4-mini，十句话里将近五句不靠谱（48%）
不过隔壁班的GPT-4系列就稳重多了：
- GPT-4-o瞎编率30%
- 学霸GPT-4.5只有19%
但是！（重点来了）别的考场比如HuggingFace那边的监考老师说，GPT-4系列其实更靠谱：
- GPT-4-o胡扯率只有1.5%
- GPT-4.5更是低到1.2%（可惜他们没测o3和o4-mini这两个"吹牛专业户"）