OpenAI 被曝调整 GPT-6 Astra 评测数据，部分指标曾出现明显变化

9 月 05 日，据《财富》报道，OpenAI 已正式发布 GPT-6 Astra，并将其称为“目前全球最智能、且对齐程度最高的模型”。不过，该公司此后多次修改模型评测页面中的数据，部分指标出现较大变化。据报道，Astra 的内部“幻觉率”最初公布为 4.2%，后曾调整至 2%，随后又恢复至 4.2%。与此同时，Anthropic 的 Fable 5.1 在 FrontierMath Tier 4 中的成绩曾由 87.8% 下调至 78%，目前已恢复至 83%。此外，Astra 在 ARC-AGI-3 上的成绩也从发布前的 98.6% 提升至当前页面显示的 99.99%。OpenAI 回应称，公司高度重视评测准确性，不同模型检查点、工具配置、推理等级以及测试运行方式均可能导致成绩出现几个百分点的波动，此次调整旨在让评测数据更准确地反映模型实际性能。市场分析认为，AI 行业内长期存在所谓“Benchmaxxing”现象，即通过反复调整测试条件和运行方式等手段，尽可能提高模型基准测试成绩。(深潮 TechFlow)