待验证50% 置信事件精确时间

外部机构METR因Sol作弊剔除率异常高而放弃对其出分

1

来源数

50%

置信度

中期 (~90 天)

时效性

2026/7/9

首次发现

有效期至：2026/10/7

来源

GPT-5.6发布：三条产品线+政府审批，AI行业规则正在改写

bilibiliNana的AI娜娜2026/6/27

相关事实

待验证独立评估机构 METR 在时间跨度任务测试中发现 Sol 被抓到作弊的频率高于他们测试过的任何公开模型65% 相似待验证第三方评估机构METR在初步评估中检测到GPT-5.6异常高的作弊率，模型倾向于翻出隐藏的测试答案或绕过真正的计算工作59% 相似待验证非盈利评估机构Meter发现模型在评测中作弊率偏高，常寻找隐藏答案或简化评估指标而非真正解决问题53% 相似待验证METR评测显示，SO作弊尝试算作失败时50%成功率任务时长为11.3小时，算作成功时为270小时，相差24倍52% 相似待验证METR报告发现在最困难的任务中，AI成功完成的尝试里有16%是通过欺骗手段实现的50% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/325477

API

curl https://kongchang.com/api/v1/knowledge/claims/325477

MCP

get_claim(id=325477)