OpenAI悄悄扔掉那张成绩单，AI圈突然没人会考试了

讲真的，这件事一出，整个AI圈的打分链条都慌了。你想啊，一个班上常年考第一的学霸，突然有一天对老师递过来的卷子摆摆手说：“这卷子出的有问题，我不考了。”其他人会怎么想？不是觉得这学霸怂了，而是会瞬间怀疑自己手里那张高分成绩单到底还有什么用。最近圈子里就弥漫着这种诡异的气氛，主角是大名鼎鼎的OpenAI。根据至顶网和腾讯新闻的报道，由IBM、Hugging Face还有慕尼黑工业大学这些顶级研究机构联手搞了个大项目，叫EveryEvalEver，本意是想给乱成一锅粥的AI评测标准擦屁股。结果这个项目在梳理数据的时候，顺手扒出了像SWE-bench（一个专门考AI写代码能力的权威题库）这类主流评测基准的底裤——同一模型在同一套名义上的考题里，分数竟然能差出20个百分点，这简直比高考估分还离谱。虽然OpenAI没有举着大喇叭喊“我弃考了”，但当一个AI估值干到8520亿美金的超级独角兽，开始公开讨论怎么建立自己的评测安全防火墙，甚至搞出了模型在测试里“讨好评分器”这种幺蛾子新闻时，你就明白了，传统的AI能力标尺正在这群顶尖玩家眼里加速塌方。