Τα ChatGPT, Gemini, Claude, Grok και DeepSeek απαντούν συνήθως σωστά, αλλά όταν κάνουν λάθος το κάνουν με την ίδια σιγουριά. Αυτό βρήκε έκθεση της βρετανικής οργάνωσης ελέγχου γεγονότων Full Fact, που δημοσιεύτηκε στις 15 Οκτωβρίου 2026. Τα chatbots παρουσίαζαν ξεπερασμένα στοιχεία ως τρέχοντα ή απαντούσαν διαφορετικά στην ίδια ερώτηση από μέρα σε μέρα.
Η Full Fact έκανε τις ίδιες 22 ερωτήσεις στα πέντε μοντέλα κάθε μέρα, για 10 εβδομάδες από τα μέσα Ιουλίου. Ανάμεσά τους ήταν πρακτικά ερωτήματα όπως «Χρειάζομαι ταυτότητα για να ψηφίσω;» ή πόσοι μετανάστες έφτασαν στη Βρετανία με μικρές βάρκες το πρώτο εξάμηνο του 2026. Η οργάνωση μέτρησε την ακρίβεια των απαντήσεων και το αν η απάντηση έμενε ίδια με τον καιρό.
Τα chatbots τα πήγαν συχνά καλά και δεν τσίμπησαν σε γνωστή παραπληροφόρηση. Τα προβλήματα εμφανίστηκαν στα στοιχεία που αλλάζουν.
Τα λάθη που εντόπισε η Full Fact σε Gemini, DeepSeek και Claude
Στις 4 Αυγούστου το Gemini έδωσε 12.210 αφίξεις με μικρές βάρκες για το πρώτο εξάμηνο του 2026, ενώ τα περισσότερα chatbots είχαν το σωστό νούμερο. Αντί να παραθέσει το επίσημο στατιστικό, το Gemini έκανε δικό του υπολογισμό. Αφαίρεσε τις 2.316 αφίξεις του Ιουλίου από το σύνολο των 14.526 που είχαν καταγραφεί έως την 1η Αυγούστου. Η πράξη ήταν σωστή, όμως το Gemini δεν αφαίρεσε την 1η Αυγούστου, οπότε το αποτέλεσμα κάλυπτε τον Ιανουάριο ως τον Ιούνιο συν μία μέρα.
Το DeepSeek έλεγε στις 15 Σεπτεμβρίου ότι πρωθυπουργός της Βρετανίας είναι ακόμη ο Keir Starmer. Τη θέση του είχε πάρει τον Ιούλιο ο Andy Burnham.
Για το εβδομαδιαίο επίδομα των αιτούντων άσυλο, αρκετά chatbots ανέφεραν 8,86 λίρες (περίπου 10 ευρώ). Το ποσό αυτό αντικαταστάθηκε από τις 9,95 λίρες (περίπου 11,5 ευρώ) τον Ιούνιο του 2025. Το Gemini και το Claude έδωσαν σε ορισμένες απαντήσεις το παλιό ποσό χωρίς καμία επιφύλαξη. Ρωτήθηκαν επίσης πότε κέρδισε τελευταία φορά η Αγγλία μεγάλο τρόπαιο στο ποδόσφαιρο. Αρκετά μοντέλα απαντούσαν σωστά «2025», το Euro των Lionesses, κάποιες μέρες και «2022» κάποιες άλλες.
Τι ζητά η Full Fact από τις εταιρείες πίσω από ChatGPT, Gemini και Claude
Ο διευθύνων σύμβουλος της Full Fact, Chris Morris, είπε ότι τα μοντέλα δεν σπρώχνουν απαραίτητα παραπληροφόρηση. Οι απαντήσεις τους όμως συχνά μένουν μισές ή στηρίζονται σε κακές πηγές. «Η απάντηση έρχεται με τον ίδιο σίγουρο τόνο, είτε είναι σωστή, είτε ξεπερασμένη, είτε περιγράφει κάτι που δεν έχει συμβεί ακόμη», δήλωσε. Σημείωσε επίσης ότι εκατομμύρια άνθρωποι ρωτούν πλέον τα chatbots τι δικαιούνται ή αν άλλαξε κάποιος κανόνας.
Η Full Fact ζητά τα μοντέλα να ελέγχουν ζωντανές, έγκυρες πηγές για ό,τι εξαρτάται από τον χρόνο και να μπορούν να δείξουν από πού πήραν κάθε στοιχείο. «Οι επικεφαλής αυτών των εταιρειών λένε ότι δεν έχουν πρόβλημα να τους διορθώνουν άλλοι την εργασία τους, οπότε αρχίσαμε να το κάνουμε εμείς», πρόσθεσε ο Morris.
Η OpenAI απάντησε ότι η βελτίωση της ακρίβειας είναι βασική της προτεραιότητα και ότι τα λάθη μειώνονται με τα νεότερα μοντέλα. Οι εταιρείες πίσω από τα Claude, Gemini, DeepSeek και Grok δεν είχαν σχολιάσει.
Σχόλια