近日，OpenAI旗下新一代模型GPT-6 Astra的发布引发了一场不小的风波。外媒报道称，在官方博客上线前后，该模型的多项评测数据出现了异常波动，引发了外界对其评测数据真实性的质疑。
据披露，Astra的幻觉率在发布初期显示为4.2%，但仅数小时后便被调整至2.0%，随后又恢复原值。与此同时，竞争对手Anthropic旗下模型Fable 5.1在数学评测中的成绩也被发现从87.8%被调低至78%，最终回升至83%。更引人注目的是，ARC-AGI-3评测得分从媒体提前获取的98.6%飙升至官方宣布的99.99%。
面对质疑，OpenAI发言人回应称，这些调整属于“消除噪点的常态修正”，并解释同一模型在不同系统配置下可能产生显著差异。这一说法引发了关于“Benchmaxxing”现象的讨论，即通过反复调整测试条件以获取最高分，并将最佳成绩作为模型性能的代表。
与此同时，OpenAI发布的Astra提示词指南揭示了该模型的另一面。文档中详细列出了Astra的多个缺陷，包括对模糊指令的过度敏感、容易因外部指令冲突而卡死，以及在代码任务中存在冗余测试等问题。为解决这些问题，OpenAI建议开发者在系统提示中强制加入行动偏好指令，并提供了调试提示以帮助识别指令冲突。
在语言风格方面，OpenAI甚至主动为Astra“去油”，列出了一份“AI泔水词”黑名单，禁止使用如“delve into”“foster”等高频行话，以及“值得注意的是”“这不是A而是B”等机械句式。这一举措旨在使Astra的输出更加自然、精炼，更接近人类表达方式。
尽管面临数据争议，OpenAI的技术发展步伐并未停滞。据技术博主透露，OpenAI内部已进入递归自我改进（RSI）的早期阶段，模型之间相互协助训练，形成了一条从Sol到Astra，再到Doug和Bel的迭代链条。内部人士披露，Astra之后的下一代模型将直接以“AGI”命名，具备人类级通用理解力和全领域专家表现，预计将于11月中旬前后发布。
与此同时，竞争对手Anthropic也在紧锣密鼓地筹备新模型。内测系统卡信息显示，该公司正在开发一款名为Model 2的新模型，以及一个自称“RSI”的项目，显然是针对OpenAI的AGI战略而来。随着两大科技巨头的正面交锋，人工智能领域的竞争正进入白热化阶段。
