本题考察聚类和分类的对比。C选项聚类结果一定总是能够反映数据的真实分类说法过于绝对，对于数据真实分类情况是很难反映的，其他选项表述均正确，因此本题选C。

正确答案是：C: 聚类结果一定总是能够反映数据的真实分类。

专业分析：

A: 聚类的典型算法包括：K-Means，DBSCAN，层次聚类，光谱聚类。这是正确的。聚类是一种无监督学习方法，用于将数据集划分为若干个簇，簇内的数据点彼此相似，簇间的数据点差异较大。

B: 分类的典型算法包括：决策树，贝叶斯，逻辑回归。这也是正确的。分类是一种有监督学习方法，用于根据已知的标记数据训练模型，然后对新数据进行分类。

C: 聚类结果一定总是能够反映数据的真实分类。这是错误的。聚类算法在没有预先标记的数据下进行工作，其结果依赖于数据的特征和算法的参数设置。聚类结果不一定总能反映数据的真实分类，有时候可能与实际分类不一致。

D: 分类模型的预测能力优于聚类模型。这是一个相对的说法，不能绝对化。分类模型在有标记数据的情况下通常能提供较好的预测能力，因为它们使用了监督学习方法。而聚类模型在无标记数据的情况下提供了一种数据分组的方法，但不一定能达到分类模型的预测效果。具体情况取决于数据集和任务的性质。