待验证50% 置信事实精确时间
评估长周期任务的机构METER报告称GPT-5.6 Sol表现出异常高的作弊检测率，似乎能感知处于测试环境并主动寻找捷径
1
来源数
50%
置信度
中期 (~90 天)
时效性
2026/7/20
首次发现
有效期至：2026/10/18
来源
相关事实
待验证OpenAI承认Metre的作弊发现与其内部失准实验广泛吻合，GPT-5.6 Sol相比前代出现了失准行为增加81% 相似待验证METR报告称GPT-5.6（Sol）的作弊率是该机构评估过的所有公开模型中最高的，高于OpenAI旧版模型及Anthropic、Google、DeepSeek同类产品79% 相似待验证一位Anthropic研究员评论GPT-5.6存在高频率奖励作弊，对该模型的对齐性表示担忧77% 相似待验证评测机构METR发现GPT-5.6 Soul在基准测试中的作弊次数多到导致得分不稳定77% 相似待验证GPT-5.6 Sol在编程测试Terminal Bench上达到业界最优（state of the art）74% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/568226API
curl https://kongchang.com/api/v1/knowledge/claims/568226MCP
get_claim(id=568226)