币界网消息，OpenAI被指悄然调整GPT-6 Astra评测数据，自9月3日发布以来，多项模型评测基准数据被调整，部分修改使Astra表现更优，竞争对手模型成绩下滑，引发对AI评测透明度的质疑。Astra的幻觉率曾从4.2%降至2%，GPT-5.6 SOL从12.2%降至9.4%，后又恢复至原值。在数学评测中，Anthropic的Fable 5.1得分从87.8%降至78%，现回升至83%。此外，Astra在ARC-AGI-3评测中成绩从98.6%提升至99.99%。OpenAI表示，评测结果受模型版本、工具配置等因素影响，此次调整旨在确保数据准确反映模型性能。斯坦福大学研究人员认为，频繁重新评测可能涉及「benchmaxxing」，即通过调整测试条件最大化基准成绩。随着AI模型竞争加剧，评测数据已成为衡量模型能力的重要工具，透明度和可复现性受到关注。