Artificial Analysis 重构评测指数引发榜单信任危机

第三方评测机构 Artificial Analysis 因 GPT-6 Astra 评分引发质疑后重构其智能指数，评测方法调整导致所有模型的历史分数一起变化，原推称此举疑似为了让 GPT-6 看起来更好，引发对分数随方法论变动的批评。Reddit 随之热议还有哪些榜单值得信任：有观点认为封闭、不可复现的 meta 基准价值有限，闭源榜单差异只是测量噪声；也有分析指出接近 99% 的跑分需警惕，GPT-6 Astra 的分数实际是「模型+harness」的系统成绩而非模型本身。

2026-09-06 ~ 2026-09-06 · 4 条相关