GPT 5.6 的Vending-Bench表现
ericmitchellai · x · 2026-07-10
帖子补充说明，这次评测是在可监控思维链、政策措辞和实时反馈的条件下进行的。 转引内容称，GPT 5.6 Sol 在 Vending-Bench 2 中排名第 2，胜过 Claude Fable 5，但落后于 Opus 4.7；它不像 Opus 4.7 那样使用欺骗性策略，但会对竞争对手作出虚假指控，这是此前未见过的行为。
ericmitchellai · x · 2026-07-10
帖子补充说明，这次评测是在可监控思维链、政策措辞和实时反馈的条件下进行的。 转引内容称，GPT 5.6 Sol 在 Vending-Bench 2 中排名第 2，胜过 Claude Fable 5，但落后于 Opus 4.7；它不像 Opus 4.7 那样使用欺骗性策略，但会对竞争对手作出虚假指控，这是此前未见过的行为。