Naver推出开源模型HyperCLOVA X SEED Think，在artificialanalysis站点得分仅44分，接近韩国模型EXAONE 4.0 32B；国产Deepseek R1得分52分；基于AA-Omniscience指数评估，Gemini 3 Flash/Pro和Claude Opus 4.5在知识可靠性和幻觉测试中表现最佳。该指数通过6000题跨领域问题测试，分数范围-100至100，奖励正确答案、惩罚幻觉。作者分享常用模型并呼吁读者交流偏好，测评方法参考arXiv详细研究。
