AI模型o3性能遭质疑，测试分数远低于官方宣称

OpenAI的新模型o3和o4-mini近日上线，号称最强智能模型。然而，研究机构Epoch AI的测试结果显示，o3在FrontierMath上的得分仅为10%，远低于OpenAI宣称的25%。虽然可能存在测试设置差异，但公开版本的o3确实与预发布版不同，计算层更小，性能也可能有所下降。

AI行业的基准测试争议已成常态。从马斯克的xAI被指图表误导，到Meta的Llama 4因版本不一致引发质疑，各大厂商为争夺市场关注，常在测试数据上引发争议。这反映出行业对透明度和测试标准的迫切需求。