「GPT‑6 Astra 发布后多项评测分数反复调整，引发 AI 刷榜与评测透明度争议」

OpenAI 推出 GPT‑6 Astra 之后，官方持续调整多项基准评测数据。部分改动抬升 Astra 的评测得分，同时部分竞品模型分数出现下滑，行业开始质疑 “刷榜” 行为与评测结果的透明度。

OpenAI 解释，评测结果受模型版本、工具配置、推理参数、测试运行条件影响，调整是为了更真实体现模型最优性能。

斯坦福研究人员提出，反复重跑评测存在Benchmaxxing（基准刷分）嫌疑：通过调整测试条件，最大化榜单分数。

业内观点指出，大模型竞争白热化，基准跑分已经成为市场竞争的重要工具，评测的可复现性与公开透明，正成为行业亟待解决的议题。