据 Lenz Research 的研究员 Kosta Jordanov 称，本月测试的 1,000 条真实世界事实核查指称中，5 个前沿 AI 模型在 67% 的指称上存在分歧。模型——GPT-5.4、Claude Opus 4.7、Gemini 3 Pro、Gemini 3 Pro with Search，以及 Sonar Pro——被要求将指称分类为真、基本真、误导或假。在 34% 的案例中，分歧十分严重：一 个模型将某项指称判为真，而另一个模型将其标记为假。

该研究使用 Krippendorff's alpha 来衡量一致性，得分为 0.639；在该量表中，1.0 表示完全一致；研究人员通常认为低于 0.8 的分数较弱。只有 1,000 条指称中的 328 条出现了完全一致的情况，值得注意的是，零 条指称获得了“一般为真”的一致裁定。研究人员使用真实用户提交的指称，来自 Lenz 的事实核查平台，而非标准基准，从而降低了模型对训练数据进行模式匹配的可能性。