OpenAI 提醒：评估结果受 API 设置、提示设计等影响

OpenAI 表示评估很少孤立测量模型，而是包含 API 设置、评估设计和提示等隐性因素。建议开发者使用 OpenAI 产品中的相同设置：使用 Responses API 而非旧版 Chat Completions API，保留推理（Retain reasoning），并启用压缩（Use compaction）。这些选择会显著影响模型输出表现。开发者可前往 arcprize.org/tasks 参与公开测试。