CritPt v2 涨分主因题目修订，新旧分数不可直接比较
Artificial Analysis 发文解读称，CritPt v2 与 v1 的分数不可直接比较：v2 分数普遍高于 v1 的主要原因是题目修订而非工具本身。以 GPT-6 Astra (max) 为例，其分数从 v1 的 32% 跃升至 v2 的 83%，但这并不代表能力真实提升，比较时应注意基准版本差异。
2026-10-23 ~ 2026-10-23 · 2 条相关
- 第 1 集:物理基准 CritPt v2 发布，GPT-6 Astra 以 83% 登顶(2026-10-22,4 条)
- 第 2 集:CritPt v2 涨分主因题目修订，新旧分数不可直接比较(2026-10-23,2 条)
- CritPt v2 涨分主因是改题：v1 的 32% 到 v2 的 83% 不可直接对比 — ArtificialAnlys · 2026-10-23
- Artificial Analysis 解读：CritPt v2 涨分主要来自题目修订而非工具 — ArtificialAnlys · 2026-10-23