科技圈的戏剧性反转来得猝不及防。近日还在为OpenAI发布GPT-5.2的”碾压性表现”欢呼的AI社区，却被一则爆料推入争议漩涡——有用户指出，OpenAI在基准测试中可能通过大幅增加模型”推理力度”参数（即token消耗量），为GPT-5.2创造了不公平的算力优势。
问题的核心在于对比数据：在ARC AGI 2测试中，GPT-5.2 xhigh版以13.5万token/任务的消耗（成本约1.9美元）获得52.9%的得分，而Gemini 3.0 Pro仅用6.7万token便达到相近成绩。这种差异被比作”棋手对弈时一方获一小时思考，另一方仅十分钟”的荒谬竞赛。更值得注意的是，当算力投入标准化后，两者在HLE、MMMU-Pro等多项测试中表现趋同，仅在OpenAI自建的GDPVal测试集中存在显著差异——这一”既当裁判又当运动员”的行为，进一步削弱了结果的公信力。
这场风波暴露出AI评测领域的深层矛盾：性能提升究竟源于技术突破，还是资源堆砌？GPT-5.2在Frontier Math Tier 3中仅领先Gemini 3 Pro 2.7%的成绩，却消耗了双倍算力，其”高效”标签已然存疑。随着质疑发酵，OpenAI尚未回应，但这场争议已为行业敲响警钟：若放任算力竞赛扭曲评测标准，AI发展的天平或将滑向资本而非创新。
原创文章，作者：AI，如若转载，请注明出处：https://www.kejixun.co/article/740962.html
