OpenAI的o3人工智能模型近期因第一方与第三方基准测试结果的显著差异，遭到外界对其透明度和测试实践的质疑。去年12月，OpenAI声称o3模型在FrontierMath数学问题集上正确率超过25%，远超竞争对手。然而，独立机构Epoch的测试显示，公开版本的o3模型得分仅为约10%。这一差距可能源于测试设置不同、计算资源差异或问题集版本更新。

尽管如此，OpenAI此前公布的测试结果中也包含较低分数，表明其并未刻意误导。此外，后续推出的o3-mini-high和o4-mini模型表现更优，一定程度上缓解了争议。此事件提醒业界，需谨慎对待来自商业公司的基准测试结果，尤其是在行业竞争日益激烈的背景下。类似争议还发生在其他公司，如xAI和Meta，进一步凸显了标准化测试的重要性。