研究與評測
分析指 AI 模型正刻意犧牲事實記憶換取推理能力：Qwen3.5 9B 幻覺率達 80% 但數學跑分飆升
Hacker News單一來源
尚未逐項核實
目前依單一來源整理，這是來源數量描述，不是對消息真假的判定。
據 Hacker News 報導的一篇技術分析指出，近期 AI 模型正刻意在訓練中犧牲事實記憶能力，以換取更高的推理效能。
數據顯示，GLM-5.2 僅需約 400 億活躍參數即可在 AIME 2026 取得 99.2% 高分，Qwen3.5 與 DeepSeek V4-Flash 則分別以 170 億與 130 億活躍參數執行推理；相比之下，2023 年的 GPT-4 傳聞活躍參數高達 2800 億，卻幾乎無法解決 AIME 問題。在小模型端，量化後僅需 6GB 記憶體的 Qwen3.5 9B，其智力指標跑分達到同級距次佳模型的兩倍。
然而在事實記憶方面，目前 SimpleQA（禁用工具的事實問答評測）的領先者 Gemini 2.5 Pro 準確率僅 53%；在 Artificial Analysis 的知識評測中，Qwen3.5 4B 與 9B 模型的幻覺率高達 80% 至 82%，面對未知事實傾向直接捏造。
研究指出，每儲存一個事實約需消耗 2 bit 的參數空間，且寫入權重的事實會隨時間過時。因此，開發者傾向將模型轉為專注於可高度壓縮且不會過時的推理程序（例如 140 億參數的 Phi-4 透過合成資料訓練，擅長數學但不擅常識），並將事實檢索交由外部工具與 AI 代理處理。
分析預測，未來若剝離用於儲存事實的專家層，具備前沿推理能力的 20B 至 40B 模型將能以 4-bit 量化，直接部署於單張 24GB 記憶體的消費級 GPU 上。
讀原始報導社群討論
社群強烈質疑此文為 100% AI 生成且資訊過時，並反駁「將知識移出權重能解決幻覺」的觀點，強調 RAG 無法保證輸出準確，且推理能力難以與事實知識完全切割。數據方面，網友指出目前 SimpleQA 榜首 Gemini 2.5 Pro 準確率僅 53%，且若模型依賴外部搜尋（如 Google 搜尋 API 每千次查詢 2.50 美元）將衍生新成本。部分開發者期待未來能走向「可插拔知識庫」架構（如 9B 推理模型搭配 10B 專業知識），而非一味追求通用大模型。