Halucinacije su i tokom 2026. godine ostale jedan od najvećih problema velikih jezičkih modela. Pod tim pojmom podrazumevaju se situacije u kojima model generiše informacije koje zvuče uverljivo, logično i stilski ispravno, ali su činjenično netačne, nepotpune ili u potpunosti izmišljene. Takve greške mogu biti beznačajne ako je reč o svakodnevnom razgovoru, ali mogu imati ozbiljne posledice kada se veštačka inteligencija koristi u naučnom radu, novinarstvu, medicini, pravu, programiranju ili poslovnom odlučivanju.
Zbog toga se sve češće postavlja pitanje koji model najviše halucinira. Iako se na prvi pogled čini da bi odgovor trebalo da bude jednostavan, stvarnost je znatno složenija. Ne postoji jedan model koji je najlošiji u svim okolnostima, niti jedan koji nikada ne pravi greške. Pouzdanost zavisi od vrste zadatka, načina na koji je model podešen, da li ima pristup internetu, ali i od konkretne verzije sistema koja se koristi.
Odgovor zavisi od toga šta pitate
Jedan od najvećih razloga zbog kojih je teško proglasiti „pobednika“ ili „gubitnika“ jeste to što različiti modeli imaju različite prednosti. Ono što važi za jednu vrstu zadatka, ne mora da važi za drugu.
Kada su u pitanju proverljive činjenice – istorijski događaji, naučne informacije, statistički podaci ili tačni datumi – Claude se tokom 2026. godine najčešće pokazuje kao najoprezniji. Njegova najveća prednost nije samo u tačnosti, već i u tome što je spremniji od većine konkurenata da prizna kada nema dovoljno pouzdanih informacija. Umesto da popuni praznine pretpostavkama, češće će odgovoriti da ne može sa sigurnošću da potvrdi neki podatak.
GPT modeli obično predstavljaju sredinu između opreznosti i spremnosti da ponude odgovor. U većini situacija pokazuju visok stepen pouzdanosti, ali su nešto skloniji da formulišu zaključak i onda kada informacije nisu potpune.
Grok ima nešto drugačiji pristup. Odgovori su mu direktniji, samouvereniji i često brži, ali upravo takav pristup ponekad dovodi do većeg broja halucinacija kada model nema dovoljno pouzdanih informacija na kojima bi zasnovao odgovor.
Isti model nije podjednako dobar za svaki posao
Kada se pređe sa pojedinačnih činjenica na analizu velikih dokumenata, raspored snaga se delimično menja.
Claude se i dalje izdvaja po sposobnosti da zadrži kontekst tokom rada sa dugačkim tekstovima. Prilikom analize izveštaja, naučnih radova ili obimne dokumentacije ređe dodaje informacije koje ne postoje u izvornom materijalu, što ga čini pogodnim za poslovnu i akademsku upotrebu.
Gemini se, s druge strane, veoma dobro pokazao u zadacima sumiranja dugačkih tekstova ili materijala. Kod dobro strukturiranog teksta često uspeva da izdvoji suštinu bez većih odstupanja od originala, naročito u najnovijim verzijama modela.
U programiranju su razlike nešto manje. Claude i GPT modeli uglavnom postižu slične rezultate, ali se halucinacije ovde ispoljavaju na drugačiji način. Umesto izmišljenih istorijskih podataka, model može da navede funkciju koja ne postoji, pogrešan parametar, zastarelu biblioteku ili API koji nikada nije bio deo nekog programskog jezika.
Kada je reč o kreativnom pisanju, pitanje halucinacija gubi deo svog značaja. U romanima, pričama, marketinškim tekstovima ili scenarijima od modela se i očekuje da stvara nov sadržaj, pa ono što bi u naučnom radu predstavljalo ozbiljnu grešku ovde može biti poželjna osobina.
Web pretraga je promenila pravila igre
Poslednjih godinu dana pokazalo je da na broj halucinacija često veći uticaj imaju alati koje model koristi nego sam model.
Kada sistem radi isključivo na osnovu znanja stečenog tokom treninga, bez mogućnosti da proveri aktuelne informacije, verovatnoća greške značajno raste kod svih modela. To je naročito vidljivo kod pitanja koja se odnose na najnovije događaje, nove naučne radove, zakonske izmene ili informacije koje su se pojavile nakon poslednjeg ažuriranja modela.
Situacija se značajno menja kada je omogućena web pretraga. Tada model može da pronađe relevantne izvore, uporedi više informacija i odgovor zasnuje na aktuelnim podacima, umesto isključivo na onome što je naučio tokom treninga. Nezavisna testiranja pokazuju da se u takvim uslovima broj halucinacija značajno smanjuje, mada tačan procenat zavisi od vrste zadatka i kvaliteta pretrage.
Zato danas za mnoge profesionalne korisnike nije najvažnije koji model koriste, već da li taj model ima pristup pouzdanim izvorima.
Nije svejedno kako koristite model
Pored izbora modela, veliki uticaj imaju i njegova podešavanja.
Većina vodećih sistema danas nudi režime dubljeg rezonovanja, poznate pod nazivima thinking, reasoning ili extended thinking. U tim režimima model izdvaja više vremena za analizu problema, proverava sopstveno rezonovanje i ređe donosi ishitrene zaključke. Posledica je manji broj halucinacija, posebno kod složenih zadataka koji zahtevaju logičko zaključivanje.
Slično važi i za temperaturu. Viša temperatura podstiče kreativnost i raznovrsnost odgovora, ali istovremeno povećava mogućnost da model „dopuni“ informacije koje ne poseduje. Niža temperatura daje konzervativnije, stabilnije i po pravilu pouzdanije odgovore.
U praksi se često dešava da isti model, uz različita podešavanja, daje potpuno različite rezultate. Zbog toga način korišćenja modela neretko ima veći uticaj na broj halucinacija nego izbor između konkurenata.
Modeli se stalno ažuriraju
Poređenja modela imaju još jedno ograničenje. Claude, GPT, Gemini i Grok dobijaju nove verzije veoma često, ponekad na nekoliko nedelja.
Svakim ažuriranjem menjaju se način rezonovanja, kvalitet pretrage, rad sa dokumentima i broj grešaka. Upravo zato većina istraživača danas ne pokušava da jednom zauvek proglasi model koji najmanje ili najviše halucinira, već prati kako se pojedini sistemi ponašaju u različitim tipovima zadataka.
Šta danas pokazuje praksa?
Ako se uporede nezavisna testiranja i iskustva velikog broja korisnika tokom 2026. godine, može se uočiti nekoliko zajedničkih zaključaka.
Claude se najčešće izdvaja kao najoprezniji model kada su u pitanju činjenice, analiza dokumenata i situacije u kojima je bolje priznati da podatak nije poznat nego ponuditi netačan odgovor.
Gemini se ističe u zadacima sumiranja i rada sa velikim količinama teksta.
GPT modeli nude najuravnoteženije performanse i veoma dobre rezultate u širokom spektru zadataka, ali njihova pouzdanost u velikoj meri zavisi od toga da li su uključeni web pretraga i režimi dubljeg rezonovanja.
Grok je brz, komunikativan i samouveren, ali upravo zbog takvog stila u pojedinim situacijama češće iznosi tvrdnje koje nemaju dovoljno čvrsto uporište u dostupnim podacima.
To, međutim, ne znači da je jedan model dobar, a drugi loš. Svaki od njih ima oblasti u kojima postiže vrhunske rezultate i situacije u kojima je potreban dodatni oprez.
Najvažnije je znati kako proveriti dobijeni odgovor
Bez obzira na to koji model koristite, nijedan od njih ne bi trebalo smatrati nepogrešivim izvorom informacija. Kada je reč o zdravlju, pravu, finansijama, naučnim istraživanjima ili novinarstvu, dobijene odgovore uvek treba proveriti u nezavisnim i pouzdanim izvorima.
Korisnici mogu značajno da smanje rizik od halucinacija ako koriste web pretragu, traže od modela da navede izvore, postavljaju preciznije upite i, kada je to moguće, uključe režime dubljeg rezonovanja.
Halucinacije nisu nestale 2026. godine i malo je verovatno da će u bliskoj budućnosti biti u potpunosti eliminisane. Ipak, razlike među vodećim modelima danas su manje nego što su bile pre samo nekoliko godina. Zbog toga je mnogo korisnije postaviti pitanje koji je model najpouzdaniji za konkretan zadatak nego tražiti sistem koji nikada neće pogrešiti. Upravo takav pristup danas daje najbolje rezultate u praktičnoj primeni veštačke inteligencije.
Milena Šović, M.Sc.,CSM, CSPO
AI Implementation Specialist & Content Trainer
