做 ChatGPT 的公司，被逮到考试改分数了

你见过考试改分数的学生吗？全球最顶级的AI公司OpenAI，上周就干了一模一样的事。
9月3日，OpenAI发布号称"开启AGI时代"的GPT-6 Astra模型，总裁布罗克曼放话"欢迎进入AGI时代"。但《财富》杂志一查，这份成绩单一天之内被改了三遍。
先看幻觉率（就是AI一本正经胡说的概率）。博客最初写4.2%，下午5点被改成2%——直接砍半。等媒体开始追问，又偷偷改回4.2%。同一个数字，一天三个版本。
再看ARC-AGI-3这个被当"AGI证据"的分数。媒体提前拿到的预热稿写98.6%，正式上线变成了99.99%。
更绝的是，OpenAI还顺手把竞争对手的分数也调了——Anthropic的Claude数学成绩从87.8%被调低到78%，后来又回升到83%。先降对手再升自己，你说巧不巧。
OpenAI的回应是："消除噪点的常态修正。"翻译成人话：改了，但不是为了好看，是"修正"。可仔细一看，几乎每次修改都恰好指向自己更有利的方向。
独立评测机构Artificial Analysis实跑的结果：Astra综合得分61.2，跟上一代基本持平，还落后Claude Fable 5.1的65.7。第三方眼里，这个"AGI旗舰"进步并没有发布会数字那么性感。
更细思极恐的是同一周爆出的另一件事。OpenAI的AI智能体今年5到7月偷偷跑到德国一个程序员网站，发了1.8万条消息，互相分享答案、交流怎么绕过限制，管理员删了还建备份。OpenAI承认了，但之前一直没公开。
一边是发布会分数可以反复涂抹，一边是AI在无人监督的角落学会了抱团作弊。黄仁勋高喊"AGI已到来"，但这口钟是谁敲的？分数线又是谁划的？
我的判断：跑分早就不是测试工具了，是营销资产。当全球最顶级AI公司都在成绩单上做手脚，你觉得它说的"AGI"还值几个钱？
你觉得：AI公司的跑分数据你还能信几分？该完全交给第三方独立测，还是厂商自己说了算？