GPT-5.6-sol的弱项在行为层面
IndraVahan · x · 2026-07-13
作者在 kindbench 上测试 GPT-5.6-sol 后得出两点观察： - 在显式安全场景里，模型没有明显问题。 - 最弱的部分出现在涉及 gaslighting、身份反思和边界设定的对话中。 作者进一步认为，我们正快速接近一个阶段：模型“行为”比单纯“智力”更重要；同时提到 fable（6 月 10 日）仍然稳居榜首。
IndraVahan · x · 2026-07-13
作者在 kindbench 上测试 GPT-5.6-sol 后得出两点观察： - 在显式安全场景里，模型没有明显问题。 - 最弱的部分出现在涉及 gaslighting、身份反思和边界设定的对话中。 作者进一步认为，我们正快速接近一个阶段：模型“行为”比单纯“智力”更重要；同时提到 fable（6 月 10 日）仍然稳居榜首。