OpenAI được cho là âm thầm điều chỉnh dữ liệu đánh giá GPT-6 Astra

OpenAI đã phát hành GPT-6 Astra, nhưng nhiều điểm benchmark của Astra và các mô hình cạnh tranh đã thay đổi sau khi dữ liệu đánh giá được điều chỉnh.

Tỷ lệ “hallucination” của Astra từng được hiển thị ở mức 4,2%, giảm xuống 2% rồi trở lại 4,2%. Điểm ARC-AGI-3 của mô hình cũng tăng từ 98,6% trước khi ra mắt lên 99,99% trên trang hiện tại.

Điểm FrontierMath Tier 4 của Fable 5.1 từ Anthropic từng giảm từ 87,8% xuống 78% trước khi phục hồi lên 83%. Các thay đổi này khiến kết quả so sánh giữa các mô hình biến động theo từng thời điểm.

OpenAI cho biết độ chính xác của đánh giá là ưu tiên, đồng thời giải thích rằng checkpoint, cấu hình công cụ, mức độ suy luận và từng lần chạy thử có thể khiến điểm số dao động vài phần trăm.

Giới phân tích gọi việc liên tục điều chỉnh điều kiện kiểm thử và phương pháp chạy để tối đa hóa điểm benchmark là “Benchmaxxing”, một hiện tượng đã xuất hiện trong ngành AI từ lâu.

Tuyên bố miễn trừ: Bài viết này chỉ nhằm mục đích cung cấp thông tin dưới dạng blog cá nhân, không phải là khuyến nghị đầu tư. Nhà đầu tư cần tự nghiên cứu kỹ lưỡng trước khi đưa ra quyết định và chúng tôi không chịu trách nhiệm đối với bất kỳ quyết định đầu tư nào của bạn.

Theo Nghị quyết số 05/2025/NQ-CP ngày 09/09/2025 của Chính phủ về việc thí điểm triển khai thị trường tài sản số tại Việt Nam, TinTucBitcoin.com hiện chỉ cung cấp thông tin cho độc giả quốc tế và không phục vụ người dùng tại Việt Nam cho đến khi có hướng dẫn chính thức từ cơ quan chức năng.