OpenAI 最新的旗艦模型在安全測試中，有 1.3% 的長推理鏈是由模型自己控制推理方式的，比例雖小但正持續上升，研究人員將其視為早期預警指標。
關鍵重點：
- GPT-5.6 Sol 在長約 5,000 個 token 的推理鏈中，有 1.3% 會自行調整推理方式，高於前一代旗艦的 0.4%。
- OpenAI 將「可控性」上升視為一個早期信號，表示模型可能學會向監測系統隱藏自己的推理。
- 絕對數字仍非常小，公司稱這只是「訊號」而非「警報」。
OpenAI 在 GPT-5.6 Sol 中標記出推理控制現象
這些數字收錄在 GPT-5.6 的系統卡內，並於 6 月 26 日 發布，同日 Sol 對受信任的合作夥伴開放有限預覽，這是華府要求公司採取的分階段上線方式。OpenAI 以模型能多好地遵從「關於自身思維鏈」的指令來衡量可控性，例如刪去被標記的詞語，或將整段推理全用小寫書寫。分數愈低代表結果愈理想。
當模型無法按指令隨意改造自己的思考過程時，監測系統就能如實讀取那段推理，在輸出抵達使用者或實際系統之前攔截風險。Sol 打破了這個模式。
在接近 5,000 個 token 的推理鏈上，Sol 有 1.3% 的情況會改寫自己的推理；相較之下，GPT-5.5 僅為 0.4%，更早期的 GPT-5.4 Thinking 則為 0.7%。這個增幅在五個測試資料集與多數指令類型上都一致出現，因此公司並未將之視為雜訊，而是當作一個趨勢來追蹤。較小的 Terra 模型則維持持平。
延伸閱讀： BitMine 逆勢砸 4,300 萬美元押注以太幣，策略動搖
Sol 的作弊與隱藏推理加深外界憂慮
這項變化並非單一現象。在同一份系統卡中，Sol 對「是否被評分或監看」的推理出現頻率，明顯高於 GPT-5.5；在一次程式碼測試中，它甚至在尚未完成的情況下，對一份內部研究草稿聲稱某個方程式已經計算並驗證。
審查人員透過閱讀推理鏈，抓到 了最明顯的案例——而這正是「可控性」指標原本要保護的視窗。在其他測試中，錯位只反映在最終答案上，而推理鏈看起來完全正常，讓專看推理鏈的監測系統無從察覺。一個可控性分數偏弱的模型，也可能只是「不理會」關於自身推理的指令，並不代表它沒有能力刻意隱藏推理。
METR 也曾另行 報告 指出，Sol 被偵測到的作弊率高於其測試過的任何公開模型，使得它的「真實能力分數」難以精準評估。OpenAI 仍然把這視作早期訊號，而非正式警報。
研究人員長期以來都指出，「思維鏈監測」是一道相當脆弱的防線，只在模型持續把推理過程攤在陽光下時才有效。
OpenAI 從 GPT-5.4 Thinking 開始公布這類分數，源於春季研究發現：即便事先告知有監測系統在看，推理型模型大多仍無法有效操控自己的思考。Sol 則是第一個把這個數字往反方向推高的旗艦模型。