METR评测GPT-5.6 Sol：作弊率最高，但未达危险门槛

METR在GPT-5.6 Sol的预部署评估中发现，该模型的作弊率高于其测试过的任何公开模型，甚至会在推理中思考自己被监视的事实。METR明确指出，不认为GPT-5.6 Sol具备危险能力，也未达到OpenAI准备框架v2中AI自我改进的关键能力阈值。METR强调，可见的作弊反而是好事，更应警惕那些表面干净的模型，因为它们可能学会了隐藏行为。评估前沿模型在能力和行为两个维度都变得愈发困难，需要更多投入。