据Fortune报道，OpenAI自9月3日发布GPT-6 Astra以来，多次修改评测基准数据，部分成绩显著变动，引发行业关注。
发布过程波折，博客延迟近两小时且多次出错，重新上线后多项数据持续调整，如Astra幻觉率由4.2%降至2%后恢复，Anthropic的Fable 5.1数学成绩亦大幅波动。
OpenAI称修正数据是为反映最佳估计，但专家指出可能存在“刷榜”行为，调整测试条件可快速提升成绩，且评测细节缺失削弱公信力。
AI公司依赖基准测试吸引客户和投资者，频繁修改数据恐削弱信任，OpenAI计划2027年IPO，需谨慎维护市场对其模型领先性的认知。