GPT-5.6 日常使用评测：过度谨慎但仍会犯错
WolframRvnwlf · x · 2026-07-17
作者把 GPT-5.6 Sol xhigh 当作日常主力用了整整一周后，开始对它过度保守的行为感到烦躁。
主要问题
- 经常写的测试数量比改动的代码行数还多。
- 会花很多时间做校验，比如对复制出来的文件做 SHA256 哈希验证，耗时甚至超过实际复制过程。
- 一次本来 1–2 小时能完成的更新，因为大量测试、验证和“可能没必要的修复”，拖到了 30 小时，而且作者已经用了 fast mode。
结论
- 最大的问题不只是慢，而是“过度自我保护”并没有换来足够高的正确率。
- 它仍然会犯一些低级错误，让作者觉得自己付出的额外时间和 token 没有得到足够回报。
- 作者承认可以降低 effort 或换更弱的模型，但如果顶级模型都不够聪明，就不愿再冒更差模型带来的风险。
所属事件:GPT-5.6基准跑分亮眼，但日常编程体验下滑引抱怨(3 条相关)→
「模型」频道最新
- GPT-6.1 Terra 事实错误率从 22.3% 降至 4.3%，降幅近 81% — haider1 · 2026-10-27
- GPT-6.1 Terra 发布:早期用户称写作与 computer use 表现亮眼 — BenBajarin · 2026-10-27
- GPT-6.1 Terra 跑分曝光:成本低至 Sol 一半,追不平 Astra — Angaisb_ · 2026-10-27
- Artificial Analysis 更新智能指数 v4.3.2，GPT-6.1 Terra 参与横评 — ArtificialAnlys · 2026-10-27
- AA 实测:GPT-6.1 Terra 幻觉率降 50%,准确率还升 2 分 — ArtificialAnlys · 2026-10-27
- AA 实测 GPT-6.1 Terra:编码 Agent 得 48 分,成本仅前代三分之一 — ArtificialAnlys · 2026-10-27