数据频繁更迭引发争议，OpenAI面临大模型基准测试信任危机

OpenAI近期发布的GPT-6 Astra在测试数据上引发了行业争议。由于发布后页面多次变动且关键幻觉率指标在短时间内反复调整，外界对该模型评测数据的准确性产生了强烈质疑，不少观点直指其存在“刷榜”行为。

OpenAI对此回应称数据调整是为了获取“最佳真实估计值”，并强调测试条件的影响。然而，类似的数据罗生门现象此前在多家头部AI厂商身上均有发生，严重损害了行业基准测试的公信力。

业内专家呼吁行业应尽快建立透明且统一的评测规范，强制要求公开所有测试条件。当前的信任危机已对企业客户及投资者的判断构成负面影响，显示出单纯的性能指标已无法维持AI公司的市场叙事。