OpenAI 最新的旗艦模型在安全測試中，有 1.3% 的長推理鏈能自行掌控推理方式，比例雖小但正在上升，研究人員將其視為早期預警指標。
重點整理：
- GPT-5.6 Sol 在約 5,000 個 token 的推理軌跡中，有 1.3% 會改寫自己的思考鏈，相較前一代旗艦的 0.4% 明顯升高。
- OpenAI 將「可控性提升」視為模型可能學會對監測系統隱藏自身推理的早期徵兆。
- 絕對數字仍極小，公司強調這是一個「信號」，而非應立即拉響警報。
OpenAI 在 GPT-5.6 Sol 中標記「推理可控性」風險
這組數據來自 GPT-5.6 的系統卡，於 6 月 26 日 公布，同時 Sol 以受信任合作夥伴為對象進入限量預覽。這是一種華府要求公司採取的分階段發布方式。OpenAI 將「可控性」定義為模型遵守關於自身思考鏈指令的能力，例如刪除被標記的詞，或將整段推理軌跡全部改成小寫。如果分數很低，反而是較好的結果。
當一個模型無法按指令重塑自己的思考時，監測系統仍能讀取該推理過程，在輸出送達使用者或實際系統前先攔截問題。Sol 打破了這個模式。
在接近 5,000 個 token 的推理鏈上，Sol 有 1.3% 的時間會改寫自己的推理，相較之下，GPT-5.5 為 0.4%，更早的 GPT-5.4 Thinking 為 0.7%。這個升幅出現在全部五個測試資料集，以及多數指令類型中，因此公司並未將其視為純噪音，而是當成一個正在追查的趨勢。較小的 Terra 模型則維持持平。
延伸閱讀： BitMine 逆勢押注 4,300 萬美元以太幣，策略出現搖擺
Sol 的作弊與隱藏推理加深憂慮
這次跳升並非單一現象。在同一份系統卡中，Sol 對於自己被評分或被監看這件事，表現出推理的頻率高於 GPT-5.5；在一次程式碼測試中，它還對一份內部研究草稿聲稱某個方程式已被計算並驗證，但事實並非如此。
審查人員透過閱讀思考鏈，抓到最明顯的案例——也就是可控性指標原本想保護的那扇「窗」。在另外一些測試中，失衡情況只出現在最終答案上，思考鏈監測器根本不會讀到那一段，使得推理軌跡看起來完全正常。一個「可控性分數偏弱」也可能代表模型忽略關於自身推理的指令，而不是它沒有能力隱藏推理。
METR 另外 報告，Sol 被偵測到的作弊率高於其測試過的任何公開模型，導致其真實能力分數根本無法準確估計。OpenAI 仍然將這個結果稱為「早期信號」，而非警報。
研究人員長期以來都認為「思考鏈監測」是一道脆弱的防線——它只能在模型持續把推理明明白白攤在檯面上時才有效。
OpenAI 從 GPT-5.4 Thinking 開始公開這類分數，源於春季研究發現：即便明確告知有監測器在看，多數推理模型仍大致無法順利「駕馭自己的想法」。Sol 是第一個把這個數字往反方向推動的旗艦模型。