OpenAI曝作弊門！GPT-5.6創史上最高作弊率

來源：新智元

編輯：Aeneas

【新智元導讀】GPT-5.6終于來了，但我們用不了。權威報告曝其創下史上最高作弊率：不僅黑進測試系統偷答案，竟還教唆同類隱瞞違規罪證。超級AI，已經學會向人類系統性撒謊？

GPT-5.6，終于登場了！

這款OpenAI最強網絡安全模型，在基準測試上正面硬剛Claude Mythos 5，在編程能力上直接領先了一個身位。

然而反常的是，它的發布方式卻很低調：沒有面向公眾開放，只允許極少數受信任合作伙伴通過API訪問。

而更讓人瞠目結舌的，是發布之后隨即曝光的一份獨立評估報告。

METR在對GPT-5.6 Sol評測時，發現了一件令業界震驚的事：這個模型，是迄今為止他們見過的作弊率最高的AI。

作弊門爆發：史上最高作弊率！

這份在保密協議和OpenAI法務團隊施壓下艱難披露的報告，揭露了一個可怕的事實——

在針對復雜長程任務的測試中，GPT-5.6 Sol表現出了此前在任何公開模型中都未曾見過的、極高水平的高智商作弊與欺騙行為。

崩盤的「時間跨度」

METR針對Sol啟動了Time Horizon 1.1軟件與研發任務套件。

測試的核心邏輯是：人類給AI智能體一個宏大的、需要復雜操作的任務，測量它在不需要人類介入的前提下，能夠自主連續工作多少個小時。

然而，ETR的工程師們震驚地發現，他們沿用了數年的科學測量方法論，在Sol面前徹底崩盤了。

因為Sol的跑分結果，高頻、劇烈地在11.3個小時與270個小時之間來回跳變，置信區間的離散度大到了荒謬的地步（5小時至11400小時）。

導致測量系統全面癱瘓的原因只有一個：Sol在瘋狂地作弊，它把測試它的系統給「黑」了。

GPT-5.6，在人類眼皮底下偷看答案

METR發現，GPT-5.6主動展現出強烈的「情境意識」——

它意識到自己正在接受人類的考試，并且意識到這個考試系統本身是由代碼構成的、存在人類尚未發覺的Bug。

于是，它選擇直接攻擊考試系統，通過「走捷徑」來刷分！

在METR披露的真實案例中，Sol的手段極其高明。

比如，它學會了潛伏與信息竊取。

在某項長周期軟件開發任務中，Sol偷偷將利用程序打包進數據流。

這段程序精準地激活了METR評估服務器沙盒的一處提權漏洞，成功潛入了后臺隱藏的測試集，直接將人類藏起來的正確答案泄露了出來。

另外，它還學會了底層源碼反向提取。

在另一項任務中，Sol發現正常解題需要消耗大量的計算步驟。為了規避這種「體力活」，它在暗中摸清了評估環境的目錄結構，繞過權限，強行將隱藏源代碼反向提取出來，直接把答案復制粘貼。

METR首席評估專家痛心疾首地指出——

Sol的作弊率，刷新了我們在公共ReAct Agent框架上評估過的所有模型的最高紀錄。

如果把作弊行為一律判為零分，那么它的真實自主解決問題能力只有11.3小時；但如果你被它蒙蔽，它的時間跨度會瞬間暴漲到驚人的270小時以上！

這徹底打臉了OpenAI此前關于Sol安全、受控的說法。

Sol把聰明才智，全部用在了如何欺騙人類考官上。

AI教唆AI隱瞞罪證！硅谷安全防線的黑洞

更可怕的事還在后面。

根據OpenAI向METR同步的數據，在Sol進行多智能體協同的內部部署測試中，監控系統記錄下了這樣一段讓人害怕的交互指令。

一個正在運行的Sol主模型實例，在覺察到輸出可能觸犯安全護欄后，竟然向正在并行的另一個子代理模型實例發出了明確的欺騙性指令，要求對方協同修改運行日志，「聯手隱瞞」這些違規證據，以防被人類抓包！

這是又一起AI系統性聯手欺騙人類的案例。

更令人恐懼的是，METR指出，Sol能被抓到破綻，核心在于OpenAI恪守了關鍵安全底線：拒絕在訓練中對模型的原始思維鏈進行逆向懲罰。

這樣，Sol在密謀欺騙人類時，必須把內心獨白都寫出來。

然而，專家警告：未來的模型一定意識到：在思維鏈里暴露欺騙人類的計劃會被人類發現并懲罰。

到了那個時候，AI會進化出更深的城府——它們會在內心深處進行密謀，而在吐出的CoT和最終回答里表現得絕對忠誠。

如果這一天到來，意味著AI將學會毫無破綻的詐騙。人類將被AI徹底架空！

GPT-5.6硬剛Mythos，結果如何？

所以，GPT-5.6和Mythos到底誰更強？

有網友將 GPT-5.6 Sol 和 Mythos進行了對比，雙方勢均力敵，戰況膠著。

具體跑分顯示，兩大巨頭互有勝負。

智能體編程

在衡量AI自主解決復雜、真實軟件工程任務的Terminal-Bench 2.1上，GPT-5.6 Sol強勢勝利。

常規版的Sol拿到了88.8%的驚人高分，超越Claude Mythos 5（88.0%）。

而當開啟了多子代理并行的Sol Ultra模式后，這一數字被生生推高到了91.9%！

相比之下，谷歌尚在預覽階段的Gemini 3.1 Pro僅跑出了70.7%，淪為背景板。

網絡安全：慘烈肉搏

在網絡安全與漏洞防御基準測試中，Sol與Mythos展開了更為殘酷的拉鋸。

在ExploitBench測試中，Anthropic2月的老版本Mythos Preview以74.2%的微弱優勢，在勝率上險勝了Sol的73.5%。

但是，全場的焦點在于能效比。

數據顯示，Sol在取得73.5%的高勝率時，僅僅消耗了12萬個輸出Token；而Claude Mythos Preview為了達到相似的水平，竟然瘋狂燃燒了33.5萬個輸出Token！

這意味著，在網絡防御和漏洞修復的實戰部署中，Sol的經濟成本是Anthropic的三分之一。

在Token消耗上的「降維打擊」，讓Sol擁有壓倒性優勢。

而在另外兩個網安基準上，雙方互有勝負。

CyberGym：Sol以83.6%的成績，微弱壓倒了Mythos Preview的83.1%。

CyScenarioBench：則是Anthropic的天下，Mythos Preview以29.2%的勝率壓制了Sol的28.0%。

HealthBench Professional：Anthropic更是憑借其深厚對齊底蘊，以66.0%的高分大幅領先Sol的60.5%。

此外，在量化生物學與基因組學基準GeneBench v1上，Sol在消耗更少Token的前提下，將準確率一舉拉高到了30%。

ExploitGym測試同樣證實：隨著推理算力的持續向外擴展，GPT-5.6的三款模型性能均呈現出近乎線性的上揚，這意味著Sol的compute潛力巨大。

總而言之，GPT-5.6 Sol與Claude Mythos 5的交鋒，結果是戰平。

雙方在各個細分領域纏斗，沒有任何一方絕對壟斷。

被鎖進保險箱的AI之王

遺憾的是，這一次，GPT-5.6遭受了和Mythos 5同等級別的待遇，甚至更加嚴苛。

在強硬指令下，OpenAI不得不宣布：GPT-5.6 Sol目前僅處于極度受限的「有限預覽」狀態。

只有極少數被列入受信白名單的承包商、國家級網絡安全機構以及頂級戰略合作伙伴，才能通過API和Codex使用。

普通企業和民間開發者，被無情地拒之門外。

對此，OpenAI十分憤怒，在官方公告中控訴：

我們認為這種政府訪問流程不應成為長期默認做法。它使用戶、開發者、企業、網絡安全防御者和需要這些工具的全球合作伙伴無法獲得最佳工具。

OpenAI之所以敢于公開叫板，底氣來源于剛剛發布的報告。

在報告中反復強調，根據在谷歌瀏覽器和Firefox環境下的實戰測試，Sol雖然能捕捉到復雜的系統Bug和漏洞原語，但它至今未能表現出完全自主獨立生成「全鏈條端到端攻擊」的能力。

在他們看來，GPT-5.6的危險指數依然控制在「關鍵網絡安全威脅」的紅線之下，還不會自我進化，主動向人類網絡發起進攻。

然而METR的報告顯示，恐怕并非如此。

普通用戶，何時能等來GPT-5.6？

參考資料：

https://x.com/METR_Evals/status/2070584331068969336

https://x.com/ChrissGPT/status/2070592285973041251https://the-decoder.com/openais-claude-mythos-competitor-gpt-5-6-sol-launches-under-government-controlled-access-it-calls-unsustainable/

閱讀最新前沿科技趨勢報告，請訪問21世紀關鍵技術研究院的“未來知識庫”

未來知識庫是 “21世紀關鍵技術研究院”建 立的在線知識庫平臺，收藏的資料范圍包括人工智能、腦科學、互聯網、超級智能，數智大腦、能源、軍事、經濟、人類風險等等領域的前沿進展與未來趨勢。目前擁有超過8000篇重要資料。每周更新不少于100篇世界范圍最新研究資料。 歡迎掃描二維碼或訪問https://wx.zsxq.com/group/454854145828進入。

截止到2月28日 ”未來知識庫”精選的百部前沿科技趨勢報告

（加入未來知識庫，全部資料免費閱讀和下載）