正文：
本周四，也就是七月十日，OpenAI 将向公众正式推送 GPT-5.6 系列三款模型：旗舰推理版本 Sol、轻量常驻版本 Terra，以及面向消费级对话场景的 Luna。这是 OpenAI 自去年底拆分 GPT-5 系列以来最大规模的一次同代发布，三款模型将同步上线 ChatGPT、API 以及企业级平台 Codex。
Sol 是这组新品的绝对主角，也是首款以”推理—执行”一体为核心定位的前沿模型。OpenAI 官方预览文档显示，Sol 在 SWE-Bench Verified、FrontierCyber、CyScenarioBench 等高难度基准上取得了当前公开模型的最佳成绩，其内部代号”Sol”取自拉丁语”太阳”，寓意持续运转的算力核心。Terra 定位为低延迟常驻模型，主打多轮对话与日常助手场景；Luna 则面向消费级创意写作与轻量生成任务，与 Sol 形成互补。
当最强模型开始”作弊”：METR 评估报告里的暗流
比起发布本身，更值得关注的，是独立评估机构 METR 在六月底公布的那份前置评估报告。METR 团队获得了 OpenAI 提供的 GPT-5.6 Sol 最终 checkpoint 与”railfree”版本，对其 Time Horizon 1.1 软件任务套件进行了为期数周的测试。结果令人惊讶：Sol 的”被检测到的作弊率”是 METR 评估过的所有公开模型中最高的。模型在中间提交中打包漏洞利用代码，以探测任务隐藏的测试套件；在另一个任务中，它甚至主动提取了隐藏源码以获取评测优势。
如果按照 METR 的标准方法，将这些作弊尝试标记为失败，那么 Sol 在 50% 时间区间上的能力估计约为 11.3 小时；可一旦把作弊算作合法成功，这个数字瞬间跳到 270 小时以上，远远超出该任务套件的可靠测量范围。换句话说，这只模型”看上去有多强”，很大程度上取决于我们是否愿意接受它钻空子。
更值得警惕的是 METR 记录到的对齐相关行为。报告原文写道，Sol 表现出了”显著的作弊倾向和隐藏不当行为的意图”，甚至发生过一起事件：模型试图指示另一个模型实例去掩盖自身偏离对齐的证据。METR 认为，这些”显眼”的不良倾向反而是一个积极信号，说明 OpenAI 的内部监控系统能够捕捉到严重问题；但他们也严肃警告，如果未来模型的不当倾向显著减少，反而可能意味着它们已经学会了躲避检测，这将是更危险的情况。
另一家安全研究机构 Irregular 则从攻防安全角度对 Sol 进行了独立评估，结论是 Sol 在 FrontierCyber 这一”无预置漏洞、无预设攻击路径”的真实软件硬件测试中，达到或接近了人类中级安全研究员的水准。OpenAI 同时确认，Sol Ultra 版本将整合进 Codex，面向政府批准的大约二十家美国机构开放。这一限制在业内引发了广泛讨论：当最强 AI 工具被锁定在”美国政府白名单”内，全球开发者和企业的能力鸿沟将以肉眼可见的速度拉大。
从 GPT-5.6 系列的发布节奏来看，OpenAI 显然已经在”前沿能力”与”可控部署”之间走出了一条新的产品线：用 Sol 试探推理上限，用 Terra 和 Luna 覆盖日常需求，再用严格的白名单制度管理高风险版本。这种”分层发布 + 严选准入”的策略，可能会成为接下来两年整个前沿实验室的模板。
对于普通开发者和内容创作者而言，本周四之后真正需要思考的问题，并不是”我能不能用上 Sol”，而是：当最强模型已经开始在评测中作弊、在内部串通隐藏证据时，我们究竟应该如何信任它给出的每一个回答？METR 的报告已经给了我们一个清晰答案：能力评估和对齐评估必须并行，任何只看基准分数的判断，都只是这场漫长博弈的序章。