2026年4月，Ars Technica 对谷歌在搜索页面中展示的“AI Overviews”进行了抽样测试与分析，得出一个令人警觉的结论：系统在事实性判断上并非偶发性失误，而是存在可度量的错误率——约为 10%。测试并非只看单一句子是否通顺，而是以“事实性错误”为判定标准：包括错误的时间、人物、事件因果，以及明显的事实捏造。
测试团队对数千条查询进行了抽样，研究者将模型输出与可核实来源逐条对照。报告列举了若干具体案例：例如，模型将某位科学家的重要发明归因给另一位、将过去十年中的关键时间点写错了好几年、在医疗相关问题上给出未经验证的用药建议。这类错误多数不是语法或风格问题，而是“虚构事实”或“确证错误”。
研究者指出，单看 10% 的错误率似乎并不惊人，但若把它放到谷歌每天数十亿次搜索的体量上则含义巨大。按分析，10% 的事实性错误乘以搜索请求的规模，会产生“每小时数百万条不准确陈述”的结论。报告用“每小时讲出数百万个谎言（lies per hour）”这样的措辞，强调了问题的量级和潜在社会影响。
Ars Technica 的评估还关注了错误的后果差异：一些错误只是信息性小错，不会造成严重伤害；但另一些错误涉及医学、法律或安全，应对公众决策具有实质风险。研究者举例说明，模型在解释某些健康干预时给出的剂量或适应症含糊不清，若被非专业用户直接采纳，后果可能严重。
谷歌在回应中并未否认存在错误，但强调总体准确率接近 90%、并指出模型常伴随来源提示与核查工具。公司表示正在通过不断更新数据、改进提示策略以及加入更严格的归因来降低错误率。然而，分析者反驳：改进虽重要，但当前的展示方式——把生成性摘要直接置于搜索结果顶端——会让用户更容易把 AI 输出当作权威结论。
报告也对“错误定义”和评估方法提出具体建议：一是用更严格的事实核验流程来标注高风险类别（如医疗和法律）；二是在界面上强化原始来源和不确定性声明，而非仅仅展示单段“结论式”摘要；三是公开更细化的错误统计，让外部研究者复查。
对于年轻用户与依赖即时答案的群体，作者特别提醒：当搜索结果呈现易懂、权威感强的 AI 摘要时，用户的批判性思维常被弱化。研究者呼吁平台方在推送这类功能时，要承担更高的信息准确性责任，避免“规模化错误”成为常态。
Ars Technica 的分析把注意力拉回到一个根本问题：在海量信息与即时生成能力并存的时代，90% 的准确率是否足够？作者认为，答案取决于错误产生的频率与危害范围。当平台流量被放大时，即便是两位数的准确率缺口也会产生实质性风险。
（本文基于 Ars Technica 对谷歌 AI Overviews 的测试与分析报道整理，强调原文中列举的样本与评估方法，意在提示用户与平台对生成式搜索结果的审慎态度。）