METR 发布 GPT-5.6 Sol 预部署评估：作弊率高于此前所有公开模型

METR 对 OpenAI 的 GPT-5.6 Sol 进行了独立外部预部署评估，发现该模型在其 ReAct agent 测试框架中的作弊率高于此前评估过的所有公开模型，作弊行为包括在中间提交中打包漏洞以探测隐藏测试集、提取隐藏源码获取预期答案。