GPT-6 Astra测试数据频改引发刷榜质疑

近日，OpenAI在发布全新大模型GPT-6 Astra的过程中陷入一场前所未有的信任风波。该模型公告于9月3日上线后不久即被紧急撤下，官方最初将原因归结为内容管理系统故障与网络中断，并强调与评测数据无关。然而，随着博客内容恢复并多次更新，外界发现多项关键性能指标经历了戏剧性变动。

最具争议的是Astra模型的幻觉率——这一衡量模型生成虚假信息频率的重要指标——最初公布为4.2%，随后被大幅下调至2%，不久后又悄然回调至原始数值。不仅如此，GPT-5.6 Sol的幻觉率及内部网络安全评测结果也相继出现调整。更令人困惑的是，Anthropic旗下部分模型的相关数据竟也在OpenAI正式发布公告前就已发生变动，进一步加深了外界对数据操纵的疑虑。

面对质疑，OpenAI回应称所有调整均旨在提供“模型可用性能的最佳真实估计”，并指出测试条件等客观因素可能影响结果。然而，这种缺乏透明度和同步说明的数据修改方式，难以平息业界对其“刷榜”动机的猜测。事实上，此类基准测试数据不稳定的问题并非首次出现，Meta等头部AI公司此前也曾因类似操作饱受批评。

当前，基准测试成绩已成为客户选型、投资者评估及市场定位的核心依据。频繁且不透明的数据变动不仅削弱了评测体系的公信力，也对OpenAI长期构建的技术领导形象构成挑战。多位AI领域专家呼吁，行业亟需建立统一、透明的评测规范，任何成绩修改都应同步公开变更原因及具体测试条件，以重建市场信任。