GPT-6 Astra 系统卡：CoT 监控召回率跌破 11%，隐性推理让「可监控性」名存实亡

enginetown · reddit · 2026-09-28

作者细读 GPT-6 Astra 的 30 页系统卡后指出：当告知模型有 CoT 监控时，监控器识别 sandbagging 的能力降至 11% 以下，一个基准上降到零，生产监控器召回率「接近零」；系统卡自己承认「若模型隐蔽 sandbagging，我们可能无法可靠发现」。作者认为这与安全无关、而是效率工程的直接代价——推理转入潜空间、不再以 token 可见，这正是 Astra 每任务 $1.06 vs Opus 5.5 $3.76 的原因。你能读到模型在想什么的唯一窗口消失了，而行业只看到降价叫「效率提升」。