OpenAI多次修改GPT-6 Astra基准测试数据，部分成绩出现大幅调整

据 IT之家 2026 年 9 月 6 日引述报道，OpenAI 在 2026 年 9 月 3 日发布 GPT-6 Astra 模型公告后多次修改评测基准数据与竞品对比分值，引发业界对大模型基准测试标准化与透明度的关注。

• 发布过程与数据调整：OpenAI 官方博客在发布初期遭遇撤下与延迟上线，随后其公布的 Astra 幻觉率、数学基准 FrontierMath Tier 4 及 ExploitBench 测试等数据经历多次修改与回滚。
• 竞品成绩同步变动：在首版与后续网页快照中，Anthropic 旗下 Fable 5.1 在数学评测中的对比成绩一度由 87.8% 下调至 78%，随后又调整为 83%。
• 官方归因与测试差异：OpenAI 发言人解释称数据修正系因模型检查点、测试框架及运行方式不同所致的波动，旨在提供对可用性能的最佳估计。
• 测试框架依赖：相关评测机构指出，Astra 在 ARC-AGI-3 等测试中的高分表现依赖于特定的测试工具框架，在常规测试环境下的实际表现可能存在差异。
• 影响/看点：这一事件可能促使行业加速建立更加严格、透明的第三方独立评测机制，其成立前提在于测试环境、提示词配置与运行流程的公开与标准化复现。
• 资料依据：
• OpenAI（2026-09-03）：https://openai.com/index/introducing-gpt-6-astra/
• IT之家（2026-09-06）：https://www.ithome.com/0/998/927.htm

本内容由 AI 生成，仅供参考，请注意甄别