2026年9月3日美国东部时间下午2时许，OpenAI发布GPT-6 Astra模型公告，但页面多次撤回并反复更新评测数据。幻觉率从4.2%一度调至2%，后又恢复；Anthropic模型多项成绩也被下调后回升。公司称调整系为提升数据准确性，反映最佳性能，但未说明撤稿原因。专家质疑存在‘Benchmaxxing’倾向，即通过优化测试条件刷高分数。事件凸显AI行业基准测试标准不统一、透明度不足等长期问题。
免责声明：本文内容由开放的智能模型自动生成，仅供参考。
2026年9月3日美国东部时间下午2时许，OpenAI发布GPT-6 Astra模型公告，但页面多次撤回并反复更新评测数据。幻觉率从4.2%一度调至2%，后又恢复；Anthropic模型多项成绩也被下调后回升。公司称调整系为提升数据准确性，反映最佳性能，但未说明撤稿原因。专家质疑存在‘Benchmaxxing’倾向，即通过优化测试条件刷高分数。事件凸显AI行业基准测试标准不统一、透明度不足等长期问题。
免责声明：本文内容由开放的智能模型自动生成，仅供参考。