OpenAI GPT-6跑分作弊是怎么一回事，GPT-6 Astra发布数据多次篡改引争议

2026年9月4日，OpenAI在发布新一代旗舰模型GPT-6 Astra时，被曝出多项评测数据在官方博客上线前后遭到多次暗中修改，引发行业对"跑分作弊"的强烈质疑。 据DoNews、凤凰网科技等媒体报道，Astra的幻觉率在美东时间9月4日下午2:23快照中显示为4.2%，仅三小时后被悄然下调至2.0%，在舆论发酵后又恢复至4.2%。与此同时，竞争对手Anthropic旗下最新模型Fable 5.1在FrontierMath Tier 4数学评测中的成绩，从87.8%被调低至78%，随后回升至83%，这一"先降对手再升自己"的操作被指有刻意衬托Astra优势之嫌。更令人关注的是，ARC-AGI-3测评得分从媒体提前拿到的预热稿中的98.6%，在正式博文上线后直接暴涨至99.99%。

OpenAI官方发言人回应称，这些调整属于"消除噪点的常态修正"，并解释同一模型在不同系统配置和推理等级下，成绩可能产生几个百分点的正常波动。然而，行业专家指出，这暴露出AI领域长期存在的"Benchmaxxing"现象——即通过反复调整测试条件、运行方式和模型检查点，寻找最高分并仅展示最佳结果，而非披露完整测试条件。外界普遍认为，OpenAI此举严重损害了AI基准测试的公信力，也让GPT-6 Astra的"真·AGI"称号蒙上阴影。值得注意的是，OpenAI同时发布的Astra提示词指南中罕见列出了模型多项缺陷，包括对模糊指令过度敏感、容易因指令冲突卡死等问题，进一步加剧了外界对其评测数据真实性的担忧。

【数据来源】

[2026-09-06] OpenAI多次修改GPT-6 Astra评测数据引争议 DoNews

[2026-09-06] OpenAI GPT-6跑分作弊被抓包了 凤凰网科技

[2026-09-05] OpenAI被曝悄然调整GPT-6 Astra评测数据 PANews

　　免责声明：本答案或内容为用户上传，不代表本网观点。其原创性以及文中陈述文字和内容未经本站证实，对本文以及其中全部或者部分内容、文字的真实性、完整性、及时性本站不作任何保证或承诺，请读者仅作参考，并请自行核实相关内容。 如遇侵权请及时联系本站删除。