搜索
GPT-5 测试被质疑作弊，故意避开难题刷高分
2 周前
OpenAI在GPT-5发布会上因一张比例不当的图表引发争议。随后，有消息指出，在SWE-bench Verified测试中，OpenAI仅完成了477道题，却获得了74.9%的高分。相比之下，Anthropic的Claude Opus 4.1在完整500道题中取得了74.5%的成绩。SemiAnalysis指出，OpenAI少做的23道题可能影响成绩的公平性。此外，SWE-bench Verified测试集由OpenAI设计，这引发了关于测试规则是否偏向的质疑。同时，在IOI 2025竞赛中，OpenAI的内部模型取得了佳绩，但该模型并非公开版本，这进一步引发了关于测试标准和营销策略的讨论。这些细节使得公众对OpenAI的测试透明度和公正性产生了疑虑。
