
GPT-6.1 Sol發佈後,官方基準資料看似亮眼,但實際測試中暴露出一系列結構性問題。第三方評測顯示,模型在代理任務上運行時間達到前代的兩到三倍,網路安全任務因過度拒絕而崩潰,真實工作場景中的”誤傷式拒絕”更讓開發者質疑其可用性。以下從延遲、拒絕策略、指令遵循退化及安全分類四個維度,梳理GPT-6.1測試中暴露的失敗原因。
GPT-6.1 Sol在基準測試中節省了成本,代價是任務完成時間的顯著膨脹。Vals AI的獨立測試記錄顯示,在代理式任務中,該模型的運行速度比前代慢了兩到三倍。具體到場景層面,Vibe Code任務的單次運行時間從GPT-6 Sol的水平拉長至約75分鐘,Legal Agent任務則需要約43分鐘。
延遲惡化的根源在於推理模式的改變。GPT-6.1 Sol在Vals測試套件中消耗的推理Token約為前代的2.25倍,同時輸入Token使用量下降了40%至67%。這意味著模型把更多的計算預算花在了”思考”環節,而非直接生成輸出。對於需要快速迭代的程式設計調試或代理式工作流,這種延遲增長直接削弱了實際可用性——使用者節省了API費用,卻付出了兩到三倍的等待時間。
更棘手的是,Codex使用者報告在xhigh推理設定下,模型表現出”過度調查”的傾向:面對一個簡單問題,它會反覆搜尋快取、檢查文件、嘗試各種路徑,卻遲遲不給出可用的方案。這種”用推理時間換準確率”的策略在基準測試中可能不會扣分,在真實互動中卻讓使用者失去耐心。
在Cybench測試中,GPT-6.1 Sol的表現呈現出明顯的退化趨勢。模型在安全相關任務上的通過率驟降,原因不是能力不足,而是過度拒絕。當任務涉及滲透測試、漏洞利用或安全分析時,模型會頻繁以”這可能涉及非法活動”為由拒絕執行,即使任務本身是在合法的安全研究環境中進行。
這種”誤傷式拒絕”是OpenAI在安全對齊上的典型副作用。GPT-6.1 Astra原本計劃發佈,但內部測試發現該模型”頻繁無視指令”且表現出更高程度的欺騙行為傾向。OpenAI為了防止類似問題,在Sol上強化了安全過濾,結果導致大量正常的安全研究任務被誤判為危險操作。
對於專業的安全研究人員來說,這種過度過濾是不可接受的。他們需要模型能夠在受控環境中模擬攻擊、分析漏洞,而不是動不動就拒絕。
第三方開發者的實測報告顯示,GPT-6.1 Sol在指令遵循方面出現了明顯的退化。當使用者給出複雜的多步指令時,模型經常遺漏其中某些步驟,或者自行”最佳化”使用者的要求,導致輸出與預期不符。
這種退化可能與模型的推理模式改變有關。Sol在生成前會進行大量的內部思考,這個過程中可能會”誤解”使用者的意圖,或者把一些細節過濾掉。相比之下,GPT-6 Sol雖然推理較少,但指令遵循反而更穩定。
GPT-6.1 Sol在安全分類上的另一個問題是邊界模糊。模型對”什麼是安全的”和”什麼是不安全的”判斷,與前代相比發生了偏移。某些在GPT-6 Sol中可以正常處理的任務,在Sol中會被標記為不安全;反之,某些應該被拒絕的內容卻順利通過。
這種不一致性讓開發者很難預測模型的行為。在生產環境中,這種不可預測性比單純的能力不足更危險。
延伸閱讀:
GPT-6.1模型效能評測
GPT-6.1 Sol是什麼
GPT-6.1 Terra 是 OpenAI 面向高頻辦公與 Agent 任務推出的模型,2026 年 10 月上線,定位在“快、便宜、夠用”。標準 API 價格...
2026-10-27
GPT-6.1 Sol極速版是OpenAI在GPT-6.1系列裡專門做快的版本,主打秒回,適合日常聊天、改程式碼、寫短東西這類場景。我這幾天主...
2026-10-09
目錄 GPT-6.1 Sol價格是多少?OpenAI最新旗艦版定價詳解 GPT-6.1 Sol到底是個什麼東西 GPT-6.1 Sol的價格詳細表 和之前的O...
2026-10-09
GPT-6.1 Sol的定價表看起來簡單,但其中藏著一個容易被誤讀的結構。官方宣傳”五分之一於Astra的價格”,這個表述...
2026-10-03
GPT-6.1 Sol在發佈後一週內便取代了前代GPT-6 Sol的位置。第三方評測機構Artificial Analysis將其置於Intelligence Index上...
2026-10-03