GPT-6 的跑分变了三次，第三方指数只有 61 分：模型测评这堂课，我劝你别只看官宣
GPT-6 Astra 发布九天后风波来了：幻觉率一度从 4.2% 改到 2.0%，ARC-AGI-3 媒体提前拿到 98.6%、官宣变 99.99%，Claude 的数学成绩被调低近 10 个百分点；而 Artificial Analysis 综合指数只有 61 分，与上代持平、低于 Fable 5.1。跑分会动、尺子要分清——一篇教你（和你的学生）怎么读模型跑分。
标签
GPT-6 Astra 发布九天后风波来了：幻觉率一度从 4.2% 改到 2.0%，ARC-AGI-3 媒体提前拿到 98.6%、官宣变 99.99%，Claude 的数学成绩被调低近 10 个百分点；而 Artificial Analysis 综合指数只有 61 分，与上代持平、低于 Fable 5.1。跑分会动、尺子要分清——一篇教你（和你的学生）怎么读模型跑分。
9 月第一周，OpenAI GPT-6 Astra 宣称「进入 AGI 时代」、API 涨价 2.5 倍；DeepSeek V4.1 Flash 却把 HBM 需求砍到 1/4、SSD 砍到 1/8。登月派与落地派同周分野，加上程序员 74.5%「观测暴露度」的读法——这篇聊聊普通开发者、老师和学生该把注意力放在哪条线上。