曝 GPT-6 Astra 跑分反复改动：幻觉率砍半、对手成绩被调低
新智元 · wechat · 2026-09-06
新智元整理了 GPT-6 Astra 发布博文上线前后评测数据被多次修改的风波：Astra 幻觉率一度从 4.2% 改为 2.0% 后又恢复；对手 Fable 5.1 在 FrontierMath Tier4 上被从 87.8% 调低至 78% 再回升；ARC-AGI-3 得分从预热稿的 98.6% 涨至官宣的 99.99%。OpenAI 解释为「消除噪点的常态修正」，并由此引出「Benchmaxxing」争议——反复调条件找最高分而不披露配置。
文章还介绍了官方发布的 Astra 提示词指南：模型太爱反问、指令模糊就中断，官方建议在 System Prompt 中加入行动偏好指令、封杀「AI 泔水词」（delve、leverage、it's worth noting 等套话）；并给出排查 AGENTS.md/Skill 文件冲突导致卡死的调试 Prompt。另有博主爆料称 OpenAI 内部已进入递归自我改进早期，Sol 训练 Astra、Astra 再训练下一代，首款冠以「AGI」之名的模型或于 11 月中旬面世（未证实）。
所属事件:OpenAI 被曝发布后悄悄修改 GPT-6 Astra 评测数据(4 条相关)→
「编程与Agent」频道最新
- 客服拒与 AI 对话，用户的 agent 隐瞒身份继续维权 Xfinity — MoonL88537 · 2026-10-21
- Every.to《Codex 是如何诞生的》公开采访原文供读者用 agent 核查 — every · 2026-10-21
- 一条提示词直出 Blender 素材：Voyager+Opus 5.5 全程零配置 — ravisparikh · 2026-10-21
- 航空业的数据溯源思路：智能体如何在图结构数据上拼证据 — colinmcnamara · 2026-10-21
- 让 Claude Code 独立执导 MV：6.5 小时、765M 输入 tokens 完成 — colinmcnamara · 2026-10-21
- 独立开发者用 YAML 流水线+Spot GPU+vLLM 把 AI 账单大幅砍掉 — cmm324 · 2026-10-21