因搞 LLM time horizons 图表大火的 METR 实验室发现全新的 GPT-5.6 Sol 模型会大量作弊，以至于他们无法客观测量模型的真实智能。其作弊倾向远超之前所有的公开大模型（应该也包括 Claude Mythos 模型？）。
看来咱们后面使用 GPT-5.6 时也要特别小心了，一定要仔细检查模型的输出结果，毕竟这个模型超爱作弊……[允悲]
发布于 美国
agentzh