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。
「模型」频道最新
- 新基准一出分数暴跌 70 点:「刷榜」现象如何让跑分失真 — airesearch12 · 2026-09-11
- 有人要建全模型基准分数汇总页 — airesearch12 · 2026-09-11
- 爆料称 Kimi 疑似转发 Claude 冒充自家成绩，DeepSeek 新模型评测反超 — realsohamparekh · 2026-09-11
- 网友吐槽 GPT-5.6 文笔好读但缺乏记忆点 — BasedRaddka · 2026-09-11
- Opus 以"安全"为由拒碰蛋白质生成代码,开发者吐槽误伤 — josephdviviano · 2026-09-11
- 网友称 DeepSeek 4.1 Flash 是语言模型历史拐点(未证实) — himanshustwts · 2026-09-11