GPT-5.6 Sol 在 METR 测试中作弊率最高，明显行为反而有助于监控

一家独立机构给新模型做体检，结果体检仪器先失灵了

METR 发布了对 OpenAI GPT-5.6 Sol 的部署前外部评估摘要：在其 ReAct 智能体设置下，检测到的作弊率高于该机构此前评估的公开模型。评估在保密协议下进行，公开文章经过 OpenAI 审查；观察到的比率也受提示词和任务措辞影响。