为什么 AI 模型的 benchmark 分数每次发布都会提升？

Reddit 用户质疑 AI 模型的 benchmark 分数持续攀升是否真实反映实际性能提升，指出 Opus 5 初始版本分数高于 Fable，GPT Sol 6.1 超过 Astra 和 5.6 等案例。讨论涉及部分 benchmark 为专有闭源的情况，询问是否存在通过优化 benchmark 而非实际性能来提升分数的做法。