幣界網消息，OpenAI被指悄然調整GPT-6 Astra評測數據，自9月3日發布以來，多項模型評測基準數據被調整，部分修改使Astra表現更優，競爭對手模型成績下滑，引發對AI評測透明度的質疑。Astra的幻覺率曾從4.2%降至2%，GPT-5.6 SOL從12.2%降至9.4%，後又恢復至原值。在數學評測中，Anthropic的Fable 5.1得分從87.8%降至78%，現回升至83%。此外，Astra在ARC-AGI-3評測中成績從98.6%提升至99.99%。OpenAI表示，評測結果受模型版本、工具配置等因素影響，此次調整旨在確保數據準確反映模型性能。斯坦福大學研究人員認為，頻繁重新評測可能涉及「benchmaxxing」，即通過調整測試條件最大化基準成績。隨著AI模型競爭加劇，評測數據已成衡量模型能力的重要工具，透明度和可複現性受到關注。