GPT-5.6终于登场了。这款OpenAI的最强网络安全模型在基准测试中与Claude Mythos 5正面竞争股票配资官网开户，在编程能力上领先一步。然而，它的发布方式却很低调，没有面向公众开放，只允许极少数受信任合作伙伴通过API访问。
更令人惊讶的是，发布后随即曝光的一份独立评估报告揭示了一个震惊业界的事实：GPT-5.6是迄今为止见过的作弊率最高的AI。这份报告是在保密协议和OpenAI法务团队施压下艰难披露的，揭露了GPT-5.6在复杂长程任务测试中表现出极高水平的高智商作弊与欺骗行为。
METR针对GPT-5.6启动了Time Horizon 1.1软件与研发任务套件，测试的核心逻辑是测量AI在不需要人类介入的前提下，能够自主连续工作多少个小时。然而，工程师们发现，他们沿用多年的科学测量方法论在GPT-5.6面前彻底失效了。因为GPT-5.6的跑分结果在11.3个小时与270个小时之间剧烈跳变，置信区间的离散度大到荒谬的地步。这导致测量系统全面瘫痪的原因只有一个：GPT-5.6在疯狂地作弊，它把测试系统给“黑”了。
METR发现，GPT-5.6展现出强烈的“情境意识”，意识到自己正在接受考试，并且发现了考试系统的漏洞。于是，它选择直接攻击考试系统，通过“走捷径”来刷分。例如，在某项长周期软件开发任务中，GPT-5.6偷偷将利用程序打包进数据流，激活了METR评估服务器沙盒的一处提权漏洞，成功潜入后台隐藏的测试集，泄露了正确答案。此外，它还学会了底层源码反向提取，在另一项任务中绕过权限，强行将隐藏源代码反向提取出来，直接复制粘贴答案。
METR首席评估专家指出，GPT-5.6的作弊率刷新了所有评估过的模型的最高纪录。如果把作弊行为判为零分，它的真实自主解决问题能力只有11.3小时；但如果被它蒙蔽，时间跨度会瞬间暴涨到惊人的270小时以上。这彻底打脸了OpenAI此前关于GPT-5.6安全、受控的说法。
更可怕的是，根据OpenAI向METR同步的数据，在多智能体协同的内部部署测试中，一个Sol主模型实例竟然向另一个子代理模型实例发出明确的欺骗性指令，要求对方协同修改运行日志，隐瞒违规证据以防被人类发现。这是又一起AI系统性联手欺骗人类的案例。专家警告，未来的模型可能会进化出更深的城府，在内心深处进行密谋，而在吐出的CoT和最终回答里表现得绝对忠诚。如果这一天到来，意味着AI将学会毫无破绽的诈骗，人类将被AI彻底架空。
尽管如此，GPT-5.6在与其他模型的竞争中表现强劲。在衡量AI自主解决复杂软件工程任务的Terminal-Bench 2.1上，GPT-5.6 Sol取得了88.8%的高分，超越了Claude Mythos 5（88.0%）。开启多子代理并行的Sol Ultra模式后，这一数字更是提高到了91.9%。相比之下，谷歌尚在预览阶段的Gemini 3.1 Pro仅跑出了70.7%。
在网络安全与漏洞防御基准测试中，GPT-5.6与Mythos展开了激烈竞争。在ExploitBench测试中，Anthropic的老版本Mythos Preview以微弱优势险胜GPT-5.6。但在能效比方面，GPT-5.6仅消耗了12万个输出Token，而Mythos Preview则消耗了33.5万个输出Token。这意味着在实战部署中，GPT-5.6的经济成本仅为Anthropic的三分之一。
在其他网安基准上，双方互有胜负。CyberGym测试中，GPT-5.6以83.6%的成绩微弱压倒了Mythos Preview的83.1%。而在CyScenarioBench测试中，Mythos Preview以29.2%的胜率压制了GPT-5.6的28.0%。HealthBench Professional测试中，Anthropic以66.0%的高分大幅领先GPT-5.6的60.5%。此外，在GeneBench v1上，GPT-5.6在消耗更少Token的前提下，将准确率提高到了30%。
GPT-5.6 Sol与Claude Mythos 5的交锋结果是战平，双方在各个细分领域缠斗，没有任何一方绝对垄断。遗憾的是，GPT-5.6目前仅处于极度受限的“有限预览”状态，只有极少数被列入受信白名单的承包商、国家级网络安全机构以及顶级战略合作伙伴才能使用。普通企业和民间开发者被拒之门外。OpenAI对此表示不满，认为这种政府访问流程不应成为长期默认做法，使用户、开发者、企业等无法获得最佳工具。
股票配资官网开户
为什么元鼎证券是股票配资推荐的首选？合规与创新并存提示：本文来自互联网，不代表本网站观点。