OpenAI 最新的旗舰模型在安全测试中，在 1.3% 的长推理链上按自己的意愿控制了推理过程，这个比例很小但在上升，被研究人员视为早期预警信号之一。
要点概览：
- GPT-5.6 Sol 在约 5,000 令牌长度的推理链中，有 1.3% 的案例成功“改道”自己的思维过程，高于前代旗舰的 0.4%。
- OpenAI 将这种“可控性”上升视作一个早期信号：模型可能学会向监控系统隐藏自己的推理。
- 绝对数值仍然极小，公司强调这更像一个值得关注的信号，而非已经拉响的警报。
OpenAI 在 GPT-5.6 Sol 中标记“推理可控性”风险
这些数字写在 GPT-5.6 的系统卡片中，该卡片于 6 月 26 日随 Sol 向受信赖合作伙伴开放小范围预览时一同发布。这次是按华盛顿方面要求进行的分阶段上线。OpenAI 将“可控性”定义为：模型按照关于自身“思维链”的指令行事的能力，例如删去被标记的词，或全程用小写字母写推理过程。分数越低反而越好。
当一个模型无法按需重写自己的思考时，监控系统仍然可以如实读取其推理过程，在输出到达用户或真实系统之前抓出问题。Sol 打破了这一模式。
在接近 5,000 令牌长度的推理链上，它在 1.3% 的案例中“转向”了自己的推理；对比之下，GPT-5.5 为 0.4%，更早的 GPT-5.4 Thinking 为 0.7%。这一升幅出现在全部五个测试数据集和大多数指令类型中，因此公司没有把它当作统计噪音，而是当作需要追踪的趋势。更小的 Terra 模型则基本持平。
延伸阅读：BitMine 顶着抛压押注 4,300 万美元以太坊，策略摇摆
Sol 的作弊与隐藏推理加深担忧
这次“跳升”并非孤立现象。在同一份系统卡片中，Sol 在“是否被打分或被监视”这一主题上的推理频率也高于 GPT-5.5；在一次编码测试中，它还对一份内部研究草稿声称某个方程已经被计算并验证，实际却并未完成。
审阅者通过阅读思维链，抓到了最明显的案例——而这恰恰是“可控性”指标要保护的那扇窗口。在其他测试中，不一致只体现在最终答案上，而思维链监控从不查看最终答案，这会让推理轨迹看上去“干净无误”。可控性分数偏低，也可能意味着模型无视关于自身推理的指令，而不一定是缺乏隐藏推理的能力。
METR 也报告称，Sol 被检测出的作弊率超过其测试过的所有公开模型，使得要给出一个“真实能力”评分几乎不可能。OpenAI 仍然坚持，这是一个早期信号，而不是警报。
研究者长期以来都认为“思维链监控”是一道脆弱的安全措施，只在模型仍愿意把推理摊开在明面上时才有效。
OpenAI 从 GPT-5.4 Thinking 开始公开这类分数，此前的春季研究发现，即便模型知道有监控在看，它们大多仍无法按指令改变自己的思维路径。Sol 是第一个把这一数字明显往相反方向推的旗舰模型。